亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于決策樹的空中目標(biāo)威脅分類研究*

        2017-06-19 19:17:01楊瑞朋蔣里強(qiáng)
        火力與指揮控制 2017年5期
        關(guān)鍵詞:航向決策樹威脅

        楊瑞朋,蔣里強(qiáng),王 純

        (1.防空兵學(xué)院,鄭州 450052;2.解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院,鄭州 450002)

        基于決策樹的空中目標(biāo)威脅分類研究*

        楊瑞朋1,2,蔣里強(qiáng)1,王 純1

        (1.防空兵學(xué)院,鄭州 450052;2.解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院,鄭州 450002)

        將決策樹ID3算法應(yīng)用到空中目標(biāo)威脅程度分類問題。分析了現(xiàn)有威脅評(píng)估的常用方法及其局限性,論述了ID3算法在此問題上的適用性。以28批典型目標(biāo)的威脅程度為例,對(duì)數(shù)據(jù)進(jìn)行概化處理后,利用weka平臺(tái)進(jìn)行仿真,構(gòu)造決策樹,并從中挖掘出隱含的24條規(guī)則,這對(duì)決策支持系統(tǒng)知識(shí)庫(kù)的構(gòu)建是非常必要的,也為指揮員定下作戰(zhàn)決心提供重要參考。

        威脅評(píng)估,決策樹,ID3算法

        0 引言

        在軍事領(lǐng)域,威脅評(píng)估是指揮員決策過程中重要的環(huán)節(jié)。威脅評(píng)估的重點(diǎn)是定量或定性評(píng)估敵方作戰(zhàn)能力,并給出敵方兵力對(duì)我方威脅程度的定量或定性描述。目標(biāo)威脅評(píng)估方法一般可分為3個(gè)主要步驟[2]:威脅要素提取、威脅度計(jì)算、威脅等級(jí)的確定。目前,國(guó)內(nèi)外對(duì)威脅評(píng)估已經(jīng)進(jìn)行了許多研究,主要采用的理論和方法有:多屬性決策[3-4]、模糊集[5-7]、證據(jù)理論[8]、直覺模糊集[9-10]、貝葉斯網(wǎng)絡(luò)[11-12]、神經(jīng)網(wǎng)絡(luò)[13]、支持向量機(jī)[14]等。多屬性決策受主觀因素影響較大,模糊集方法的難點(diǎn)在于隸屬度函數(shù)的確定,而直覺模糊集直覺指數(shù)的確定比較復(fù)雜,很難準(zhǔn)確地?cái)M合專家的猶豫程度。支持向量機(jī)(SVM)的方法其核函數(shù)選取困難且精度不高,神經(jīng)網(wǎng)絡(luò)方法需要較長(zhǎng)的訓(xùn)練時(shí)間并且可解釋性較差。貝葉斯網(wǎng)絡(luò)模型需假設(shè)屬性之間相互獨(dú)立,這個(gè)假設(shè)在實(shí)際應(yīng)用中往往是不成立的,這給模型的正確分類帶來了一定影響;另外用貝葉斯網(wǎng)絡(luò)模型求解時(shí),還需要知道先驗(yàn)概率。

        決策樹算法能夠同時(shí)處理數(shù)據(jù)型和常規(guī)型屬性,而不需要把數(shù)據(jù)進(jìn)行歸一化處理。與其他分類算法相比決策樹有如下優(yōu)點(diǎn):①速度快:計(jì)算量相對(duì)較小,且容易轉(zhuǎn)化成分類規(guī)則。②準(zhǔn)確性高:挖掘出的分類規(guī)則準(zhǔn)確性高,便于理解。

        1 決策樹算法

        決策樹研究的數(shù)據(jù)集中含有多個(gè)屬性,分為一般屬性和分類結(jié)果屬性。決策樹由根節(jié)點(diǎn)、一般屬性分支和葉子節(jié)點(diǎn)組成。葉子結(jié)點(diǎn)即為實(shí)例所屬的分類結(jié)果屬性,其他節(jié)點(diǎn)對(duì)應(yīng)于待分類問題的一般屬性。利用決策樹,可以實(shí)現(xiàn)對(duì)數(shù)據(jù)的歸納分類。

        ID3算法是國(guó)際上最早、最有影響力的決策樹算法,也是最基本的決策樹算法。它是由羅斯昆(J. Ross Quinlan)于1975年在悉尼大學(xué)提出的一種分類預(yù)測(cè)算法,算法的核心是“信息熵”。ID3算法通過計(jì)算每個(gè)屬性的信息增益,認(rèn)為信息增益大的是好屬性,每次劃分選取信息增益最大的屬性為劃分標(biāo)準(zhǔn),重復(fù)這個(gè)過程,直至生成一個(gè)能完美分類訓(xùn)練樣例的決策樹。具體的算法步驟為:①分類能力最好的屬性,即信息增益最大的屬性被選作樹的根節(jié)點(diǎn);②根節(jié)點(diǎn)的每個(gè)可能值產(chǎn)生一個(gè)分支,對(duì)每個(gè)分支再選擇信息增益最大的屬性作為該分支的根節(jié)點(diǎn);③重復(fù)上面的過程,直至最后產(chǎn)生葉子節(jié)點(diǎn),給出數(shù)據(jù)的分類結(jié)果屬性。信息增益的計(jì)算方法如下:

        其中,Pj為第j類在樣本集D中出現(xiàn)的概率。

        ID3算法是從這棵樹的根節(jié)點(diǎn)開始,測(cè)試這個(gè)結(jié)點(diǎn)的屬性,然后按照給定數(shù)據(jù)的屬性值對(duì)應(yīng)的樹枝向下移動(dòng)。根節(jié)點(diǎn)的選取并不是隨意的,不同的決策樹算法有不同的選取方法。ID3算法通過計(jì)算信息熵和信息增益,實(shí)現(xiàn)對(duì)數(shù)據(jù)的歸納分類。

        2 空中目標(biāo)威脅程度評(píng)估

        2.1 選取屬性和實(shí)驗(yàn)數(shù)據(jù)集

        空襲兵器自動(dòng)化程度越來越高,空襲環(huán)境越來越復(fù)雜,而敵目標(biāo)威脅程度的大小是由多種屬性共同決定的。目標(biāo)類型、距離、速度、航向角、干擾能力、空襲樣式等都會(huì)影響其威脅程度。屬性集選取的不同,評(píng)估的結(jié)果也不盡相同,不同方法之間也很難進(jìn)行合理的比較,所以本文參考文獻(xiàn)[9]中選取的7個(gè)屬性:類型、距離(km)、高度(m)、速度(m/s)、武器類型、干擾能力、航向角(°)。獲得的敵目標(biāo)各屬性測(cè)量值如下頁(yè)表1所示。

        2.2 數(shù)據(jù)概化處理

        為能滿足決策樹算法的數(shù)據(jù)格式要求,還需對(duì)數(shù)據(jù)進(jìn)行概化處理。這里以要地防空作戰(zhàn)為背景進(jìn)行研究。

        將來襲的空中目標(biāo)類型按其雷達(dá)有效反射截面積大小分為3類:小型目標(biāo)(空地導(dǎo)彈、巡航導(dǎo)彈、反輻射導(dǎo)彈、隱形飛機(jī)等),大型目標(biāo)(轟炸機(jī)、殲擊機(jī)、強(qiáng)擊機(jī))和武裝直升機(jī)。小型目標(biāo)威脅最大,大型目標(biāo)次之,武裝直升機(jī)威脅最小。

        在防空作戰(zhàn)中,當(dāng)目標(biāo)距離≥1 200 km時(shí),則認(rèn)為尚不能形成現(xiàn)實(shí)威脅?;诖?,目標(biāo)距離(km)的取值范圍為[0,1 200]。當(dāng)距離取值在(0,50]時(shí)為臨空,(50,200]時(shí)為近距,(200,500]時(shí)為中距,(500,800]時(shí)為遠(yuǎn)距,(800,1 200]時(shí)為很遠(yuǎn)。目標(biāo)距離越近,威脅越大。

        假定來襲目標(biāo)速度(m/s)的變化范圍為[0,1800],按其值的大小分為 5類:(0,100]時(shí)為慢速,(100,250]時(shí)為低速,(250,500]時(shí)為中速,(500,800]時(shí)為高速,(800,1 800]時(shí)為超高速。目標(biāo)速度越大,威脅越大。

        假定來襲目標(biāo)高度(m)的變化范圍為[0,30 000],按目標(biāo)高度分為以下4類[17]:(0,100]時(shí)為超低空,(100,3 000]時(shí)為低空,(3 000,15 000]時(shí)為中空,[15 000,30 000]時(shí)為高空。目標(biāo)高度越低,威脅越大。

        來襲目標(biāo)的機(jī)載武器可分為核彈、常規(guī)武器和其他(指揮通信設(shè)備、干擾設(shè)備、偵察設(shè)備等),核彈載機(jī)的威脅最大,常規(guī)武器次之,其他設(shè)備載機(jī)的威脅最小。

        來襲目標(biāo)的干擾能力可分為強(qiáng)、中、弱、無。干擾能力越強(qiáng),威脅越大。

        來襲目標(biāo)航向角θ的變化范圍為[0°,180°],來襲目標(biāo)的航向角變化范圍為[0°,180°],按航向角大小分為以下7類:[0°,5°]為徑向臨近,(5°,10°]為臨近,(10°,15°]為側(cè)翼臨近,(15°,20°]為迂回臨近,(20°,40°]為側(cè)迂臨近,(40°,90°]為側(cè)翼,(90°,180°]為背離。航向角越小,威脅越大。

        將威脅程度分為7級(jí):無、小、較小、中等、較大、大、很大。

        表1 敵目標(biāo)屬性測(cè)量值

        綜合文獻(xiàn)[9-10,15-16]對(duì)這28批目標(biāo)的威脅程度評(píng)估,得到相應(yīng)7個(gè)等級(jí)的威脅程度。如下頁(yè)表2所示。

        2.3 決策樹生成

        根據(jù)式(1)~式(3)的信息增益計(jì)算方法,在一開源、免費(fèi)的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘軟件weka(Waikato Environment for Knowledge Analysis)平臺(tái)上進(jìn)行仿真,最終形成如下的輸出結(jié)果。

        表2 敵目標(biāo)屬性概化值

        weka對(duì)ID3算法沒有提供Visualize Tree功能,但生成的結(jié)果也同樣反映了決策樹的結(jié)構(gòu)。如:斜體虛線框出部分,可用下頁(yè)圖1的決策樹表示。整個(gè)決策樹結(jié)構(gòu)龐大,其余分支不再一一畫出。葉子節(jié)點(diǎn)值為null的情況,說明在訓(xùn)練樣本集中這種情況未出現(xiàn)過。

        2.4 規(guī)則提取

        由生成的決策樹,從根結(jié)點(diǎn)到任何一個(gè)葉結(jié)點(diǎn)所形成的一條路徑就構(gòu)成一條分類規(guī)則,該規(guī)則可用IF-THEN語句表示,最后對(duì)虛線框出部分可獲得如下8條規(guī)則:

        規(guī)則1:IF航向角=“徑向臨近”and距離=“近距”and目標(biāo)類型=“大型”and武器類型=“核彈”THEN威脅程度=“很大”

        規(guī)則2:IF航向角=“徑向臨近”and距離=“近距”and目標(biāo)類型=“大型”and武器類型=“常規(guī)”THEN威脅程度=“大”

        規(guī)則3:IF航向角=“徑向臨近”and距離=“近距”and目標(biāo)類型=“小型”THEN威脅程度=“很大”

        規(guī)則4:IF航向角=“徑向臨近”and距離=“中距”and速度=“中速”THEN威脅程度=“大”

        規(guī)則5:IF航向角=“徑向臨近”and距離=“中距”and速度=“超高速速”THEN威脅程度=“很大”

        規(guī)則6:IF航向角=“徑向臨近”and距離=“遠(yuǎn)距”and速度=“中速”THEN威脅程度=“中等”

        規(guī)則7:IF航向角=“徑向臨近”and距離=“遠(yuǎn)距”and速度=“超高速速”THEN威脅程度=“較大”

        規(guī)則8:IF航向角=“徑向臨近”and距離=“很遠(yuǎn)”THEN威脅程度=“小”

        圖1 決策樹示意圖

        3 結(jié)論

        ID3算法考慮了各種屬性綜合作用下目標(biāo)的威脅度,從一定程度上避免了主觀確定權(quán)重導(dǎo)致評(píng)價(jià)結(jié)果隨意性大的情況。使用決策樹ID3算法進(jìn)行威脅程度評(píng)估數(shù)據(jù)挖掘,處理速度快,準(zhǔn)確率高。直接建立隱含的規(guī)則和知識(shí),對(duì)決策支持系統(tǒng)知識(shí)庫(kù)的構(gòu)建是非常必要的,也為指揮員定下作戰(zhàn)決心提供重要參考。在利用ID3算法構(gòu)造決策樹時(shí),規(guī)則的生成完全依附于訓(xùn)練數(shù)據(jù)集,雖然本文收集的數(shù)據(jù)集速度屬性中并不包含“低速”這一屬性值,表面上看訓(xùn)練數(shù)據(jù)集是不完備的,由此數(shù)據(jù)集生成規(guī)則的適用度不可能達(dá)到100%,但這些數(shù)據(jù)也反映了現(xiàn)代防空作戰(zhàn)空襲兵器的主要特點(diǎn)。敵方為了達(dá)成空襲突然性,提高空襲兵器的生存能力,經(jīng)常出動(dòng)高速、隱身性能好的空襲兵器,從低空超低空進(jìn)入突擊。低速目標(biāo)出動(dòng)的概率不高,即使是出動(dòng)低速目標(biāo),只需修改訓(xùn)練數(shù)據(jù)集,便可以重新挖掘新的分類規(guī)則。因此,為提高應(yīng)用規(guī)則的準(zhǔn)確率,需要在訓(xùn)練數(shù)據(jù)集上下功夫,盡可能多地選擇全面的實(shí)測(cè)數(shù)據(jù)。實(shí)驗(yàn)中用 10-Folds cross validation方法,把數(shù)據(jù)集分為兩部分,一部分用作訓(xùn)練,一部分用作測(cè)試,反復(fù)進(jìn)行,這樣數(shù)據(jù)集中的所有數(shù)據(jù)都被用作了訓(xùn)練和測(cè)試,可估計(jì)算法的平均準(zhǔn)確率。在測(cè)試數(shù)據(jù)集足夠多,生成的決策樹過于龐大時(shí),還可設(shè)定剪枝閾值進(jìn)行剪枝,來處理ID3算法的過擬合問題。

        [1]李弼程,黃潔,高世海,等.信息融合技術(shù)及其應(yīng)用[M].北京:國(guó)防工業(yè)出版社,2010:280-285,134-137.

        [2]湯志荔,張安.戰(zhàn)場(chǎng)威脅估計(jì)理論與方法研究[J].火力與指揮控制,2011,36(9):1-4.

        [3]QU C W,HE Y.A method of threat assessment using multiple attribute decision making[C]//In:The Chinese Institute of Electronics.2002 6~(th)International Conference on Signal Processing Proceedings,Beijing,China,2002:1091-1095.

        [4]王小藝,劉載文,侯朝楨等.基于模糊多屬性決策的目標(biāo)威脅估計(jì)方法[J].控制與決策,2007,22(8):859-863.

        [5]GONSALVES P,CUNNINGHAM R,TON N,et al.Intelligent threat assessment processor using genetic algorithms and fuzzy logic[C]//In:Proceedings of Third International ConferenceofInformationFusion,Paris,F(xiàn)rance,2000:18-24.

        [6]武傳玉,劉付顯.基于模糊評(píng)判的新防空威脅評(píng)估模型[J].系統(tǒng)工程與電子技術(shù),2004,26(8):1069-1071.

        [7]付昭旺,寇英信,王琳,等.基于模糊綜合評(píng)判法的空戰(zhàn)多目標(biāo)威脅評(píng)估[J].電光與控制,2009,16(9):29-32.

        [8]BENAVOLI A,RISTIC B,F(xiàn)ARINA A,et al.An applicationof evidential networks to threat assessment[J].IEEE Transations on Aerospace and Electronic Systems,2009,45(2):620-639.

        [9]雷英杰,王寶樹,王毅.基于直覺模糊推理的威脅評(píng)估方法[J].電子與信息學(xué)報(bào),2007,29(9):2077-2081.

        [10]雷英杰,王寶樹,路艷麗.基于自適應(yīng)直覺模糊推理的威脅評(píng)估方法[J].電子與信息學(xué)報(bào),2007,29(12):2805-2809.

        [11]孟光磊,龔光紅.基于混合貝葉斯網(wǎng)的空域目標(biāo)威脅評(píng)估方法[J].系統(tǒng)工程與電子技術(shù),2010,32(11):2398-2401.

        [12]姚躍亭,趙建軍,萬宇.貝葉斯網(wǎng)絡(luò)下考慮攻擊企圖的目標(biāo)威脅評(píng)估[J].火力與指揮控制,2012,37(5):63-67.

        [13]陳華,張可,曹建蜀.基于PSO-BP算法的目標(biāo)威脅評(píng)估[J].計(jì)算機(jī)應(yīng)用研究,2012,29(3):900-901.

        [14]郭輝,徐浩軍,劉凌.基于回歸型支持向量機(jī)的空戰(zhàn)目標(biāo)威脅評(píng)估[J].北京航空航天大學(xué)學(xué)報(bào),2010,36(1):123-126.

        [15]張銀燕,李弼程.基于MIN-MAX云重心推理的目標(biāo)威脅評(píng)估方法[J].系統(tǒng)仿真學(xué)報(bào),2014,26(2):411-418.

        [16]張銀燕.基于云模型理論的空中目標(biāo)威脅評(píng)估方法[D].鄭州:解放軍信息工程大學(xué),2013:32-35.

        [17]軍語編審委員會(huì).中國(guó)人民解放軍軍語[M].北京:軍事科學(xué)出版社,2011,12.

        [18]昌飛,張欣毅,林瑩.防空作戰(zhàn)多目標(biāo)威脅度排序決策研究[J].兵器裝備工程學(xué)報(bào),2016,37(2):159-161.

        [19]黃潔,李弼程,趙擁軍.直覺模糊集Choquet積分在目標(biāo)威脅估計(jì)中的應(yīng)用[J].信息工程大學(xué)學(xué)報(bào),2014,15(1):6-11.

        Research on Classification in Threat Assessment for Aerial Targets Based on Decision Tree

        YANG Rui-peng1,2,JIANG Li-qiang1,WANG Chun1
        (1.Air Defence Forces Academy,Zhengzhou 450052,China;2.Institute of Information System Engineering,Information Engineering University,Zhengzhou 450002,China)

        ID3 algorithm of decision tree is applied to threat assessment for aerial targets.The existing methods and their vulnerabilities are analyzed,and the feasibility of ID3 algorithm is discussed.After generalizing the acquired data,the decision tree is constructed by ID3 algorithm with 28 typical targets on Weka platform,from which 24 connotative rules are mined.It is very necessary to construct a knowledge base in decision support system (DSS),and important reference of operational commitment is offered for commanders.

        threat assessment,decision tree,ID3 algorithm

        E917;TP391.9

        A

        1002-0640(2017)05-0103-05

        2016-03-16

        2016-06-16

        國(guó)家“863”計(jì)劃基金資助項(xiàng)目(2012AA7032030D)

        楊瑞朋(1985- ),女,河南杞縣人,博士生,講師。研究方向:智能信息處理。

        猜你喜歡
        航向決策樹威脅
        知坐標(biāo),明航向
        人類的威脅
        一種針對(duì)不均衡數(shù)據(jù)集的SVM決策樹算法
        考慮幾何限制的航向道模式設(shè)計(jì)
        決策樹和隨機(jī)森林方法在管理決策中的應(yīng)用
        電子制作(2018年16期)2018-09-26 03:27:06
        受到威脅的生命
        面對(duì)孩子的“威脅”,我們要會(huì)說“不”
        家教世界(2017年11期)2018-01-03 01:28:49
        基于干擾觀測(cè)器的船舶系統(tǒng)航向Backstepping 控制
        電子制作(2017年24期)2017-02-02 07:14:16
        基于決策樹的出租車乘客出行目的識(shí)別
        Why Does Sleeping in Just Make Us More Tired?
        性生交大片免费看淑女出招| 国产中文色婷婷久久久精品| 凌辱人妻中文字幕一区| 欧美成人在线视频| 少妇精品无码一区二区三区| 亚洲精品无人区一区二区三区| 一区二区三区视频亚洲| 国产一精品一av一免费| 1000部精品久久久久久久久 | 1000部夫妻午夜免费| 国产av一区二区三区丝袜| 日本免费精品一区二区三区视频| 午夜爽爽爽男女免费观看影院| 成人做爰视频www| 久久久亚洲精品蜜桃臀| 天涯成人国产亚洲精品一区av| 精品伊人久久大线蕉色首页| 在线观看av永久免费| 蜜桃视频免费在线视频| 亚洲国产丝袜久久久精品一区二区 | 人妻洗澡被强公日日澡电影| 夜爽8888视频在线观看| 久久精品国产亚洲片| 开心五月激情五月五月天| 在线看片免费人成视频久网下载 | 国产一区二区三区不卡视频| 又色又爽又高潮免费视频国产| 日韩毛片在线| 亚洲av精品一区二区| 亚洲成a∨人片在线观看无码| 欧美aa大片免费观看视频| 伊在人亚洲香蕉精品区麻豆| 国产精品国产自产拍高清| 久久久老熟女一区二区三区 | 亚洲视频免费一区二区| a级特黄的片子| 久久99精品久久久久九色| 男女做那个视频网站国产| 国产精品亚洲αv天堂无码| 国内精品人妻无码久久久影院94| 97久久综合精品国产丝袜长腿|