[发明专利]一种用于作战效能评估的加权随机混合语义方法

权利要求书

1.一种用于作战效能评估的加权随机混合语义方法，其特征在于，包括步骤如下：

(1)评估指标体系构建与指标赋权；

(2)评估指标量化与重映射；

(3)建立加权随机混合语义模型；

(4)数据代入推断。

2.根据权利要求1所述的一种用于作战效能评估的加权随机混合语义方法，其特征在于，所述的步骤(1)包括：

(a)评估指标体系构建；

所述的(a)包括构建评估指标体系的树形结构，一般情况下，第一级指标(即根节点)为作战效能节点，其下设若干个反映作战效能某一特定方面的二级指标，递归地，N级指标可依实际意义与需求再下设N+1级指标，指标级数越高，抽象程度越低，物理意义也越具体，直至达到可量化的指标节点(即叶节点)为止。

(b)评估指标赋权；

所述的(b)包括为指标树中除根节点外的所有指标节点赋予权重，节点的权重衡量此节点与其父节点联系的紧密程度，方法采用专家主观赋权法，权重取值区间为(0,1)。

3.根据权利要求1所述的一种用于作战效能评估的加权随机混合语义方法，其特征在于，所述的步骤(2)包括：

(a)评估指标量化；

所述的(a)包括利用实采数据解算指标树叶节点中定量指标的实数值，以及为定性指标赋予适当的离散标签。

(b)评估指标重映射；

所述的(b)包括：首先，将未缺失的定性指标标签按蕴含的实际正向或负向意义重赋为“达标”或“未达标”之一；

其次，将未缺失的效益型定量指标值重映射至[0,1]区间，映射函数需针对每个指标分别定制，效益型指标是一类量化值越高，代表效能值越高的指标类型，对于任一效益型指标定制其重映射函数如下：

其中，u为映射值达到1时的下界，Δu为映射值达到0时相对u向负方向的最小偏离量，且Δu＞0；

最后，将未缺失的成本型定量指标值重映射至[0,1]区间，映射函数需针对每个指标分别定制，成本型指标是一类量化值越高，代表效能值越低的指标类型，对于任一成本型指标定制其重映射函数如下：

其中，u为映射值达到1时的上界，Δu为映射值达到0时相对u向正方向的最小偏离量，且Δu＞0。

4.根据权利要求1所述的一种用于作战效能评估的加权随机混合语义方法，其特征在于，所述的步骤(3)包括：(a)建立非叶节点指标产生语义；

所述的(a)包括建立作战效能节点(即根节点)的先验分布，以及各中间节点相对其父节点的产生语义，作战效能节点先验分布为：

A～Beta(1,1)

其中，Beta(1,1)为参数均为1的贝塔分布，它等效于在[0,1]区间上的均匀分布；

四个中间节点的抽样产生语义为：

其中，TNormal_[0,1]是在区间[0,1]上的截断正态分布，定义为：

其中，Normal为正态分布概率密度函数。

(b)建立定量指标节点产生语义；

所述的(b)包括建立定量指标节点相对其父节点的产生语义，若指标A_ij为定量指标，父节点为A_i，则其抽样产生语义为：

(c)建立定性指标节点产生语义；

所述的(c)包括建立定性指标节点相对其父节点的产生语义，若指标A_ij为定性指标，父节点为A_i，则其抽样产生语义为：

A_ij～Bernoulli(φ(φ^-1(A_i)×w_ij))

其中，Bernoulli为伯努利分布，A_ij＝1表示“达标”，A_ij＝0表示“不达标”，函数φ^-1为函数φ的反函数，函数φ是标准正态分布的累积概率密度函数，定义为：

5.根据权利要求1所述的一种用于作战效能评估的加权随机混合语义方法，其特征在于，所述的步骤(4)包括将步骤(1)赋予的指标权重和步骤(2)计算的量化指标重映射值代入步骤(3)构建的概率化预测模型中，并给出一个类似于[优、良、中、差]或[高级、中级、低级]等的评语集，启动对模型的抽样过程，利用根节点的后验分布样本得出作战效能在评语集上的概率分布。