针对目前已有多目标威胁评估方法主观性强、稳定性弱、评估过程不连续的问题,综合考虑目标运动特性、目标行为意图,提出了一种基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)和逼近理想解法(Technique for Order Preference by Simi...针对目前已有多目标威胁评估方法主观性强、稳定性弱、评估过程不连续的问题,综合考虑目标运动特性、目标行为意图,提出了一种基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)和逼近理想解法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的多目标威胁评估方法DBN-TOPSIS。通过分析目标特征指标间的节点关系,建立多目标威胁评估DBN。采用模糊理论,通过梯形隶属度函数对战场传感器、雷达等获取的连续型特征指标数据进行离散化处理,统一特征指标形态。利用联合树(Junction Tree,J-tree)算法进行动态威胁程度推理。构造DBN推理结果与TOPSIS评估矩阵之间的映射关系,采用TOPSIS法将威胁评估概率结果转换为威胁程度综合评估得分,进行多目标威胁程度准确排序。实验结果表明,DBN-TOPSIS多目标威胁评估方法具有较好的合理性和准确性。展开更多
文摘针对目前已有多目标威胁评估方法主观性强、稳定性弱、评估过程不连续的问题,综合考虑目标运动特性、目标行为意图,提出了一种基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)和逼近理想解法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)的多目标威胁评估方法DBN-TOPSIS。通过分析目标特征指标间的节点关系,建立多目标威胁评估DBN。采用模糊理论,通过梯形隶属度函数对战场传感器、雷达等获取的连续型特征指标数据进行离散化处理,统一特征指标形态。利用联合树(Junction Tree,J-tree)算法进行动态威胁程度推理。构造DBN推理结果与TOPSIS评估矩阵之间的映射关系,采用TOPSIS法将威胁评估概率结果转换为威胁程度综合评估得分,进行多目标威胁程度准确排序。实验结果表明,DBN-TOPSIS多目标威胁评估方法具有较好的合理性和准确性。
