[发明专利]一种基于专家经验和贝叶斯网络的敌我目标识别效能分析方法在审
申请号: | 202210215066.7 | 申请日: | 2022-03-07 |
公开(公告)号: | CN114722899A | 公开(公告)日: | 2022-07-08 |
发明(设计)人: | 高晓光;钟瑞国;汪强龙;谭翔元;王紫东 | 申请(专利权)人: | 西北工业大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N5/02 |
代理公司: | 西安凯多思知识产权代理事务所(普通合伙) 61290 | 代理人: | 刘新琼 |
地址: | 710072 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 专家 经验 贝叶斯 网络 敌我 目标 识别 效能 分析 方法 | ||
1.一种基于专家经验和贝叶斯网络的敌我目标识别效能分析方法,其特征在于步骤如下:
步骤1:建立贝叶斯网络结构,包括6个父节点,分别为节点1代表目标属性,节点2代表目标状态,节点3代表最大识别数目,节点4代表集群对目标识别反应时间,节点5代表识别距离,节点6代表集群对目标识别有效概率;子节点代表效能分析的目标敌我目标识别能力;
步骤2:由专家给出网络中6个父节点间强弱关系的模糊先验知识:目标属性的评价值为0.1,目标状态的评价值为0.16,最大识别数目的评价值是0.14,集群对目标识别反应时间的评价值是0.25,识别距离的评价值是0.25,节集群对目标识别有效概率的评价值是0.25,公式化如下:
π1=0.1,π2=0.16,π3=0.14,π4=0.2,π5=0.25,π6=0.25,
α={0.1,0.16,0.14,0.2,0.25,0.25}
步骤3:计算过渡矩阵MAT
给出状态矩阵,以1,2,3代表弱,中,强;
其中,N代表父节点的个数;
步骤4:由过渡矩阵得到CPT
par1'=MAT(:,1:N)·α
par3'=1-par1'
par1=par1'.*par1'
par2=2×par1'.*par2'
par3=par2'.*par2'
par=[par1,par2,par3]
其中,par即为敌我目标识别能力的CPT表;其中1,2,3指的是节点的状态,弱,中,强;数字代表敌我目标识别能力弱的概率。
2.一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
3.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
4.一种计算机程序,其特征在于包括计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210215066.7/1.html,转载请声明来源钻瓜专利网。