陳 辭

(海軍駐426廠軍代室 大連 116001)

?

戰(zhàn)斗機(jī)行為模式序列統(tǒng)計(jì)技術(shù)

陳 辭

(海軍駐426廠軍代室 大連 116001)

特定的戰(zhàn)斗機(jī)通常執(zhí)行特定的作戰(zhàn)任務(wù),在特定的時(shí)刻表現(xiàn)出特定的行為模式,并執(zhí)行由特定行為模式順序構(gòu)成的行為模式序列,這些行為模式序列可以用于對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)分析及目標(biāo)意圖識(shí)別的依據(jù)。論文基于數(shù)據(jù)挖掘中經(jīng)典的Apriori算法,從目標(biāo)行為序列記錄中進(jìn)行搜索和分析,找出符合條件的行為模式子序列,并以實(shí)例說明了統(tǒng)計(jì)的方法和過程。

序列模式; 戰(zhàn)場(chǎng)態(tài)勢(shì); 數(shù)據(jù)挖掘; 序列統(tǒng)計(jì)

Class Number V271.4

1 引言

21世紀(jì)的戰(zhàn)爭(zhēng)是信息化的戰(zhàn)爭(zhēng),信息化戰(zhàn)爭(zhēng)要求指揮員能夠充分利用可以獲得的各種信息資源,結(jié)合一定的戰(zhàn)術(shù)知識(shí),對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)做出迅速、正確的分析和理解。目前,戰(zhàn)場(chǎng)態(tài)勢(shì)分析所用的知識(shí)主要來源于專家經(jīng)驗(yàn),這些經(jīng)驗(yàn)對(duì)于態(tài)勢(shì)分析有一定的指導(dǎo)意義,但遠(yuǎn)不能滿足實(shí)戰(zhàn)中態(tài)勢(shì)分析的需要,這就要求利用其它方法和手段獲取更多的知識(shí)。數(shù)據(jù)挖掘技術(shù)就是獲取戰(zhàn)場(chǎng)經(jīng)驗(yàn)和知識(shí)的一種行之有效的工具。充分利用數(shù)據(jù)挖掘技術(shù)相關(guān)理論模型,可以從海量的戰(zhàn)場(chǎng)態(tài)勢(shì)要素信息中找出潛在的邏輯關(guān)聯(lián)關(guān)系,從而應(yīng)用于戰(zhàn)場(chǎng)態(tài)勢(shì)的分析和作戰(zhàn)決策的輔助制定。

數(shù)據(jù)挖掘[1]指從大量的、不完全的、有噪聲的、模糊的以及隨機(jī)的實(shí)際數(shù)據(jù)中,提取隱含在其中的、人們事先不知道的、但又是潛在有用的知識(shí)的過程,也稱數(shù)據(jù)集合中的知識(shí)發(fā)現(xiàn)。數(shù)據(jù)挖掘(DataMining)技術(shù)起源于20世紀(jì)90年代,它是一個(gè)多學(xué)科交叉研究領(lǐng)域,涉及到數(shù)據(jù)庫(kù)(Database)技術(shù)、人工智能(ArtificialIntelligence)、機(jī)器學(xué)習(xí)(MachineLearning)、統(tǒng)計(jì)學(xué)(Statistics)、知識(shí)工程(KnowledgeEngineering)、面向?qū)ο蠓椒?Object-OrientedMethod)、信息檢索(InformationRetrieval)、高性能計(jì)算(High-PerformanceComputing)以及數(shù)據(jù)可視化(DataVisualization)等最新技術(shù)的研究成果[2]。典型的數(shù)據(jù)模式挖掘算法一般包括分類分析、聚類分析、關(guān)聯(lián)分析以及時(shí)序分析等[3～5]。例如關(guān)聯(lián)分析是指分析事件屬性之間的關(guān)聯(lián)關(guān)系,目的是得出事件屬性間的規(guī)律性,關(guān)聯(lián)規(guī)則挖掘技術(shù)用于發(fā)現(xiàn)數(shù)據(jù)中屬性之間形如“A?B”的蘊(yùn)涵式聯(lián)系。商品銷售分析中啤酒與尿不濕的關(guān)聯(lián)關(guān)系發(fā)現(xiàn)正是關(guān)聯(lián)分析的典型應(yīng)用成果。

關(guān)聯(lián)挖掘理論及相關(guān)算法被在作戰(zhàn)指揮控制系統(tǒng)中的應(yīng)用,實(shí)現(xiàn)了對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)要素之間關(guān)聯(lián)規(guī)律的分析和提取,為指揮員的決策分析提供了智能化、自動(dòng)化的輔助手段,提高了系統(tǒng)的智能化程度及決策的科學(xué)性和時(shí)效性。例如用基于知識(shí)發(fā)現(xiàn)的模糊專家系統(tǒng)、遺傳算法來完成部隊(duì)的兵力區(qū)分、戰(zhàn)術(shù)編組、戰(zhàn)斗隊(duì)形配置等輔助決策,用關(guān)聯(lián)算法、統(tǒng)計(jì)決策理論和基于知識(shí)發(fā)現(xiàn)的模糊專家系統(tǒng)等技術(shù)確定敵人的主攻方向,確定目標(biāo)的重要程度和打擊順序,進(jìn)而進(jìn)行威脅分析等等。文獻(xiàn)[6]提出了一種通過關(guān)聯(lián)規(guī)則算法對(duì)已有目標(biāo)活動(dòng)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的方法,并詳細(xì)描述了數(shù)據(jù)挖掘技術(shù)在情報(bào)處理中應(yīng)用的體系結(jié)構(gòu)和實(shí)現(xiàn)方式。文獻(xiàn)[7]對(duì)數(shù)據(jù)挖掘的概念、過程及應(yīng)用前景以及指揮挖掘系統(tǒng)中涉及的數(shù)據(jù)挖掘方法進(jìn)行了論述。

在戰(zhàn)場(chǎng)態(tài)勢(shì)分析中,敵方作戰(zhàn)計(jì)劃的推理識(shí)別是當(dāng)前一個(gè)研究熱點(diǎn),它對(duì)應(yīng)于人工智能領(lǐng)域中的規(guī)劃識(shí)別[8],是指根據(jù)Agent的行為序列推斷Agent所追求的目標(biāo)的過程,即根據(jù)觀察到的片斷、瑣碎的現(xiàn)象,推出具有合理因果關(guān)系的完整的、全面的計(jì)劃描述。該定義在軍事領(lǐng)域中由于特指識(shí)別敵方的計(jì)劃,故稱為“計(jì)劃識(shí)別”。為了實(shí)現(xiàn)對(duì)敵方作戰(zhàn)計(jì)劃的推理識(shí)別,敵方兵力的行為序列是一種重要的模式規(guī)律,對(duì)于以作戰(zhàn)計(jì)劃識(shí)別為代表的戰(zhàn)場(chǎng)態(tài)勢(shì)分析應(yīng)用中,行為序列模式更是一種必不可少的作戰(zhàn)計(jì)劃推理識(shí)別背景知識(shí)。因?yàn)橛捎?jì)劃識(shí)別的定義可知,推理敵方的作戰(zhàn)計(jì)劃,必須先驗(yàn)性的知道敵方的行為序列模式和當(dāng)前行為片斷,而這個(gè)行為序列模式的獲取,最理想的手段就是對(duì)敵方的作戰(zhàn)行為進(jìn)行分析和挖掘,運(yùn)用相關(guān)理論統(tǒng)計(jì)出來。

2 序列模式分析

2.1 貝葉斯網(wǎng)絡(luò)模型

BN模型是1986年美國(guó)加州大學(xué)Pearl教授將貝葉斯理論和圖模型有機(jī)結(jié)合提出來的一種有向無環(huán)的概率網(wǎng)絡(luò)模型[9],因其嚴(yán)密的數(shù)學(xué)邏輯表達(dá)能力和因果概率推理能力而受到廣泛關(guān)注和應(yīng)用。一個(gè)BN模型包括一個(gè)節(jié)點(diǎn)集,一個(gè)有向邊集和一個(gè)概率分布關(guān)系描述集。節(jié)點(diǎn)集中每個(gè)元素表示一個(gè)邏輯事件,有向邊集中每個(gè)元素表示兩個(gè)邏輯事件之間的有向邏輯關(guān)系,概率分布關(guān)系描述集中每個(gè)元素表示一組邏輯關(guān)系的概率依賴分布。在BN模型描述的事件關(guān)系中,每個(gè)事件節(jié)點(diǎn)的狀態(tài)概率受到與之相關(guān)的父節(jié)點(diǎn)和子節(jié)點(diǎn)狀態(tài)概率的影響,因此理論上,可以根據(jù)對(duì)應(yīng)的概率依賴關(guān)系由其父節(jié)點(diǎn)和子節(jié)點(diǎn)狀態(tài)對(duì)該節(jié)點(diǎn)狀態(tài)概率進(jìn)行推理和確定。節(jié)點(diǎn)狀態(tài)概率的計(jì)算方法為

Bel(X)=αp(X|Parent(X))p(Children(X)|X)=απλ

其中,p(X|Parent(X))為父節(jié)點(diǎn)對(duì)該節(jié)點(diǎn)的因果信息,用π表示;p(Children(X)|X)為子節(jié)點(diǎn)對(duì)該節(jié)點(diǎn)的診斷信息,用λ表示,α為歸一化計(jì)算因子。

2.2 行為序列模式

事實(shí)上,對(duì)于特定的作戰(zhàn)目標(biāo),受限于其自身的物理性能和作戰(zhàn)特點(diǎn),其行為分量表現(xiàn)出一些相對(duì)穩(wěn)定的取值狀態(tài)。例如,圖1所示為艦載戰(zhàn)斗機(jī)執(zhí)行炸彈空襲任務(wù)時(shí)典型的高度剖面圖。顯然,在不同的空襲的過程中,戰(zhàn)斗機(jī)飛行的幾個(gè)階段一般都有相對(duì)固定的高度,形成與行為模式對(duì)應(yīng)的高度模式特征。

圖1 戰(zhàn)斗機(jī)突襲高度剖面圖

類似的,作戰(zhàn)目標(biāo)的速度、高度、加速度、電磁輻射等特征相應(yīng)也表現(xiàn)出一定的模式特征。這些模式特征的組合,形成該作戰(zhàn)目標(biāo)的若干種作戰(zhàn)行為模式。而戰(zhàn)場(chǎng)中作戰(zhàn)目標(biāo)在遂行特定的作戰(zhàn)任務(wù)時(shí),其行為序列模式是按一定的規(guī)律被順序執(zhí)行的。形成其特有的行為模式序列。

3 算法設(shè)計(jì)

序列分析是指統(tǒng)計(jì)和分析事件之間的先后序列關(guān)系,目的是發(fā)現(xiàn)事件間的時(shí)序和因果關(guān)系,進(jìn)而轉(zhuǎn)化成瑣碎事件的組合規(guī)則。主要是對(duì)大規(guī)模的具有時(shí)間先后特征的數(shù)據(jù)庫(kù)進(jìn)行分析,從中發(fā)現(xiàn)出感興趣的或有用的規(guī)則、規(guī)律等。Han J.W.在文獻(xiàn)[1]中對(duì)序列模式的挖掘進(jìn)行了較為全面的論述。當(dāng)前,幾乎所有的序列統(tǒng)計(jì)算法都是基于Agrawal等提出的Apriori算法[10]發(fā)展而來。序列模式挖掘首先需要明確幾個(gè)概念:

· 記錄庫(kù)(Transaction Database):存儲(chǔ)著二維結(jié)構(gòu)的記錄集,定義為D;

· 記錄(Transaction):在記錄庫(kù)中的一條記錄,定義為T且T∈D;

· 項(xiàng)集(Itemset):序列出現(xiàn)的項(xiàng)的集合,定義為K-itemset(K項(xiàng)集),K-itemset∈T,一般K表示項(xiàng)數(shù);

· 支持度(Support):定義為Sup(X)=occur(X)/count(D)=p(X);

· 候選集(Candidateitemset):通過向下合并得出的項(xiàng)集,定義為C[k];

· 頻繁集(Frequentitemset):支持度不小于最小支持度的項(xiàng)集,定義為L(zhǎng)[k]。顯然,頻繁集的子集必為頻繁集。

以Apriori算法為基礎(chǔ)的各序列模式統(tǒng)計(jì)挖掘算法的基本思想是先讀入數(shù)據(jù)記錄集及最小支持度(min_sup)值,然后從單條記錄開始,掃描記錄集,搜索滿足最小支持度要求的單項(xiàng)集合,然后按照遞歸的思想,依次在上一步搜索結(jié)果基礎(chǔ)上,搜索滿足最小支持度要求的長(zhǎng)度增1的項(xiàng)目序列,直到搜索結(jié)果集合為空為止。最后得到的項(xiàng)目子序列集合中的元素就是從給定數(shù)據(jù)記錄中統(tǒng)計(jì)得出的滿足支持度要求的序列模式。序列模式統(tǒng)計(jì)挖掘的含義是從給定的記錄庫(kù)中找出以最小支持度為統(tǒng)計(jì)概率出現(xiàn)的元素子序列,反映了以整體為單位的元素序列模式。

因?yàn)槭峭ㄟ^序列統(tǒng)計(jì)來分析敵方目標(biāo)的行為模式,進(jìn)而進(jìn)行戰(zhàn)術(shù)意圖識(shí)別,顯然序列統(tǒng)計(jì)分析的對(duì)象應(yīng)該是目標(biāo)的行為。也就是說,序列統(tǒng)計(jì)分析和目的是挖掘敵方目標(biāo)行為的序列模式,得出其行為序列模式。然而在戰(zhàn)場(chǎng)上,作為非合作目標(biāo),敵方目標(biāo)的行為是無法直接獲得的,需要由多方面的屬性特征綜合分析推理得到。即首先由探測(cè)獲取得到目標(biāo)不同側(cè)面的狀態(tài)數(shù)據(jù)計(jì)算目標(biāo)處于哪種特定的行為,進(jìn)而對(duì)按時(shí)間產(chǎn)生的行為進(jìn)行序列分析,得出該類目標(biāo)的行為模式序列。

算法分為兩個(gè)步驟:第一步,建立行為與特征的關(guān)系BN模型,根據(jù)不同時(shí)刻的目標(biāo)特征計(jì)算目標(biāo)對(duì)應(yīng)的行為置信度,按照最大概率置信其行為狀態(tài)并依時(shí)間順序形成行為狀態(tài)序列,由若干行為狀態(tài)記錄形成的記錄庫(kù)D;第二步,運(yùn)用序列統(tǒng)計(jì)方法進(jìn)行記錄庫(kù)模式挖掘,掃描行為記錄庫(kù),根據(jù)給定的最小支持度值統(tǒng)計(jì)出該目標(biāo)的行為模式K-itemset。

圖2 目標(biāo)行為推理BN模型圖及序列統(tǒng)計(jì)Apriori算法

第一步中基于目標(biāo)特征來推理行為是典型的逆向推理過程,根據(jù)BN推理的計(jì)算公式Bel(x)=απλ進(jìn)行計(jì)算,式中π為外部環(huán)境對(duì)目標(biāo)行為的因果信息,λ為目標(biāo)特征對(duì)行為推理的診斷信息,α為歸一化因子。因?yàn)樵揃N模型反映的是目標(biāo)各行為下相應(yīng)特征狀態(tài),因此中模型中沒有考慮環(huán)境信息,計(jì)算式簡(jiǎn)化為Bel(x)=αλ,即Bel(目標(biāo)行為)=αPr(目標(biāo)行為)λ,其中Pr(目標(biāo)行為)為目標(biāo)行為的先驗(yàn)信息,在通常情況下,可以認(rèn)為目標(biāo)行為在其若干值域內(nèi)先驗(yàn)等概率。

第二步是基于時(shí)序下推理得到的行為序列記錄運(yùn)用Apriori算法進(jìn)行統(tǒng)計(jì)分析,從數(shù)據(jù)集中得到該目標(biāo)的行為模式規(guī)律,依此可以實(shí)現(xiàn)對(duì)該目標(biāo)的行為預(yù)測(cè),用于戰(zhàn)場(chǎng)態(tài)勢(shì)分析和推理。

4 算法實(shí)驗(yàn)驗(yàn)證

以空中目標(biāo)行為模式為例說明本文序列統(tǒng)計(jì)方法過程:按照文獻(xiàn)[11]中的例子,假設(shè)敵方空中目標(biāo)的行為劃分為七種,分別用M1～M7表示,各行為的表征及與行為之間按一定的概率分布關(guān)系確定,其中高度狀態(tài)空間為{4.2,>10,<1,6～10},單位為km;速度狀態(tài)空間為{1000～1200,1200～1800},單位為km/h;距離狀態(tài)空間為{<135,>135},單位為km;電磁信號(hào)狀態(tài)空間為{有,無}:

假如某時(shí)刻有一批目標(biāo)距離我方270km,高度4200m,速度800km/h,未明確檢測(cè)到電磁輻射信號(hào),對(duì)這四個(gè)特征狀態(tài)進(jìn)行概率空間映射得到高度向量為[1,0,0,0],速度向量為[1,0],距離向量為[1,0],電磁信號(hào)向量為[0.5,0.5],則根據(jù)給定的概率分布關(guān)系進(jìn)行該目標(biāo)當(dāng)前行為計(jì)算得到目標(biāo)為中空巡航的概率為

Bel(M1)=αPr(action)λ

=Pr(action)p(h,sp,s,em|M1)/p(h,sp,s,em)

=(1/7×0.8×0.8×0.9×(0.5×0.5+0.5×0.5))

/(1/4×1/2×1/2×1)=0.65

類似的計(jì)算出其它幾種行為的概率,得到行為概率向量為[0.65,0.16,0.14,0.01,0.01,0.02,0]。因此根據(jù)可能性判定該目標(biāo)當(dāng)前行為是M1。同樣的方法對(duì)若干時(shí)刻目標(biāo)的行為進(jìn)行推理分析,可以得到目標(biāo)歷史行為記錄庫(kù)。假設(shè)根據(jù)歷史數(shù)據(jù)計(jì)算得到目標(biāo)行為序列記錄如表1所示。

假定設(shè)定最小支持度為20%,采用Apriori算法來統(tǒng)計(jì)分析表1中的若干條記錄,統(tǒng)計(jì)得到M1M2M5和M2M4M7兩個(gè)序列分別有25%的支持度,這兩個(gè)序列為當(dāng)前目標(biāo)行為記錄庫(kù)中的最大頻繁子序列。也就是說,該敵方空中目標(biāo)具有[中空巡航→中空加速巡航→高空電磁徘徊]和[中空加速巡航→超高空徘徊→超高空徘徊]兩種行為模式。統(tǒng)計(jì)的結(jié)果正與實(shí)際情況一致:第一種行為模式可以看作到達(dá)目標(biāo)區(qū)域上空施放電磁干擾的過程,第二種行為模式可以看作突擊進(jìn)入目標(biāo)區(qū)域后擇機(jī)進(jìn)行俯沖佯動(dòng)的過程。

表1 目標(biāo)行為記錄表

通過BN模型和序列統(tǒng)計(jì)方法得到戰(zhàn)場(chǎng)目標(biāo)運(yùn)動(dòng)行為的模式規(guī)律后可以以該規(guī)則庫(kù)為依據(jù)進(jìn)行戰(zhàn)場(chǎng)上敵方目標(biāo)戰(zhàn)術(shù)意圖的推理和分析,例如發(fā)現(xiàn)敵方空中目標(biāo)經(jīng)歷了中空巡航和中空加速巡航后,根據(jù)相應(yīng)目標(biāo)的統(tǒng)計(jì)行為模式,有理由認(rèn)為該目標(biāo)可以以一定的信度進(jìn)行電磁干擾施放,且接下來該目標(biāo)可能作高空電磁徘徊動(dòng)作。

5 結(jié)語

本文提出對(duì)敵方目標(biāo)的行為序列進(jìn)行分析和統(tǒng)計(jì)來建立敵方目標(biāo)行為序列模式的規(guī)則的思路,并采用了先建立和通過BN模型通過目標(biāo)狀態(tài)對(duì)目標(biāo)行為進(jìn)行概率計(jì)算,然后利用Apriori算法進(jìn)行統(tǒng)計(jì)以得到敵方目標(biāo)行為的序列模式的方法。實(shí)驗(yàn)證明該思路可以用于抽取目標(biāo)行為模式,為進(jìn)行相應(yīng)戰(zhàn)場(chǎng)態(tài)勢(shì)分析和戰(zhàn)術(shù)意圖推理提供了分析依據(jù)。

[1] Han J W, Micheline K. Data Mining: Concepts and Techniques[M].北京:機(jī)械工業(yè)出版社,2001.

[2] Mao G. J.數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D].北京:北京工業(yè)大學(xué)博士學(xué)位論文,2003.

[3] Chun-Wei LIN, Tzung-Pei HONG, Wen-Hsiang LU. Using the Structure of Prelarge Trees to Incrementally Mine Frequent Itemsets. New Generation Computing,2010:5-20.

[4] Agrawal R, Srikant R. Fast algorithms for mining association rules[C]//Proceedings of the 20th International Conference on Very large Databases. Santiago: Morgan Kaufmann,1994:487-499.

[5] Agrawal R, Shafer J C. Parallel mining of association rules[J]. IEEE Transaction on Knowledge and Data Engineering,1996,8(6):962-969.

[6] Yuan J. S., Li X. H. Application of Data Mining Technology in Information Processing[J]. Radio Engineering,2008,38(2):29-31.

[7] Zheng H. T., Qian P. H. Data Miningin Command and Control System[J]. Fire Control & Command Control,2004,29:59-61.

[8] SCHMID C F, SRIDHARAN. The Plan Recognition Problem: An Intersection of Psychology and Artificial Intelligence[J]. AI,1978(11):45-83.

[9] Pearl J. Fusion, propagation and structuring in belief networks[J]. Artificial Intelligence,1986,29(3):241-288.

[10] Agrawal R, Shafer J C. Parallel mining of association rules[J]. IEEE Transaction on Knowledge and Data Engineering,1996,8(6):962-969.

[11] Ge S, Xia X Z. Dynamic series BN used for recognition of tactical intention[J]. Systems Engineering and Electronics,2014,36(1):76-83.

Study of Aircraft Target Behavior Sequence Statistics

CHEN Ci

(Navy Force Representative Bueau in 426 Factory, Dalian 116001)

Special aircraft target usually executes special tasks. It acts as special behavior mode at some special time, and forms special behavior mode sequences, which may be used for battlefield situation evaluation and target intention recognition. Based on classical Apriori algorithm of data mining theory, the paper studies the way to find some special behavior mode sequences from behavior records of special target, and shows the processes of the model with instance.

series model, battle-field situation, data mining, sequence statistics

2015年1月5日,

2015年2月27日 作者簡(jiǎn)介:陳辭,男,碩士,工程師,研究方向:自動(dòng)控制與系統(tǒng)集成。

V271.4

10.3969/j.issn1672-9730.2015.07.017