吳 鵬，諸德放，戎韜玉

（1.空軍勤務(wù)學(xué)院，江蘇 徐州 221000；2.解放軍94285部隊，山東 諸城 262200）

0 引言

反艦導(dǎo)彈是我軍進行海面作戰(zhàn)的重要武器，科學(xué)合理制定其作戰(zhàn)使用策略具有重要意義，而依據(jù)作戰(zhàn)價值對目標進行分類是制定作戰(zhàn)使用策略的基礎(chǔ)。目前我軍對戰(zhàn)場目標分類的研究對集中在炮兵打擊目標領(lǐng)域，很少涉及海面目標；對于目標分類方法，目前多采用層次分析法、多屬性決策法或模糊分析法，此類方法需要從現(xiàn)有指標中精選出若干個主要的有代表性的指標進行評價或人為給定評價權(quán)數(shù)，帶有主觀隨意性。本文針對此問題，提出了基于PCA-SOM神經(jīng)網(wǎng)絡(luò)的反艦導(dǎo)彈作戰(zhàn)目標價值評估方法，該方法結(jié)合主成分分析（PCA）和自組織映射（SOM）網(wǎng)絡(luò)的優(yōu)點，能夠避免評價指標選取的主觀隨意性，消除重復(fù)信息[1]，此外，在保證SOM網(wǎng)絡(luò)數(shù)據(jù)綜合和映射功能的同時，解決了其學(xué)習(xí)速度和無效神經(jīng)元的問題。

1 目標價值評估指標

目標價值評估指標的選取直接影響著評估結(jié)論的準確性和客觀性，綜合考慮反艦導(dǎo)彈性能特點、作戰(zhàn)任務(wù)規(guī)劃和目標屬性，并結(jié)合相關(guān)文獻，選取如下目標價值評估指標：

（1）任務(wù)一致性：指目標對主要作戰(zhàn)行動的影響程度[2]，體現(xiàn)在對我方戰(zhàn)術(shù)目標的影響和對敵方企圖的影響兩方面。與作戰(zhàn)任務(wù)越一致，目標價值越大。

（2）打擊緊迫性：指對目標進行打擊的時限要求。體現(xiàn)在目標對我方部隊產(chǎn)生危害所需時間和不對目標進行射擊目標逃匿的可能性兩個方面，由目標所處狀態(tài)和機動性兩個因素決定[3]。對目標進行打擊的緊迫程度越高，目標價值越大。

（3）信息可靠性：指目標信息的可靠程度。體現(xiàn)在情報信息的準確性和目標識別準確性兩個方面，情報越準確、目標識別準確性越高，目標信息越可靠。信息可靠性越高，目標價值越大。

（4）目標威脅性：指目標火力強弱和作戰(zhàn)企圖對我方載機、指揮機構(gòu)乃至整個作戰(zhàn)意圖構(gòu)成威脅的大小。威脅程度越大，目標價值越高。

（5）目標反擊能力：指目標對彈藥打擊的抗擊強度以及可能對我造成的損傷程度[4]。主要體現(xiàn)在目標對彈藥進行封鎖和干擾的能力。目標反擊能力越高，價值越高。

（6）目標易毀性：指受到相同程度的打擊后目標的毀傷程度。體現(xiàn)在目標被摧毀的難易程度和快速恢復(fù)能力兩個方面[5]。易毀性越高，目標價值越大。

2 PCA-SOM神經(jīng)網(wǎng)絡(luò)模型

2.1 SOM神經(jīng)網(wǎng)絡(luò)

SOM網(wǎng)絡(luò)是一個由全連接的神經(jīng)元陣列組成的無教師、自組織、自學(xué)習(xí)網(wǎng)絡(luò)，具有優(yōu)秀的數(shù)據(jù)綜合和映射功能，在分類、聚類與預(yù)測等領(lǐng)域有著廣泛的應(yīng)用，典型SOM網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 二維陣列SOM神經(jīng)網(wǎng)絡(luò)模型

應(yīng)用SOM神經(jīng)網(wǎng)絡(luò)的步驟如下：

（1）網(wǎng)絡(luò)初始化。用隨機數(shù)設(shè)定輸入層和映射層之間權(quán)值的初始值。

（2）輸入向量的輸入。把輸入向量 X=（x1，x2，x3，…，xm）T輸入給輸入層。

（3）計算映射層的權(quán)值向量和輸入向量的距離（歐式距離）。在映射層，計算各神經(jīng)元的權(quán)值向量和輸入向量的歐式距離。映射層的第j個神經(jīng)元和輸人向量的距離，如式（1）所示。

（4）權(quán)值的學(xué)習(xí)。按照式（2）修正輸出神經(jīng)元j及其“鄰接神經(jīng)元”的權(quán)值：

式中，學(xué)習(xí)率η為一個0至1之間的常數(shù)，隨著時間變化逐漸下降到0.

（5）計算輸出ok

式中，一般f（*）為0至1函數(shù)或者其他非線性函數(shù)。

（6）判斷是否達到預(yù)先設(shè)定要求。如達到要求則算法結(jié)束，否則返回步驟（2），進入下一輪學(xué)習(xí)。

2.2 主成分分析法

主成分分析法（PCA）可將多個相關(guān)指標轉(zhuǎn)化為少數(shù)幾個綜合指標，從而降低指標體系的維度，消除重疊信息。依據(jù)價值評估指標對反艦導(dǎo)彈作戰(zhàn)目標進行量化打分，評分結(jié)果為樣本矩陣 X，有 x1，x2，x3，…，xp，p個變量，為各目標某一指標的得分集合，樣本中共有n個樣品，代表n個目標，如式（4）所示。

將p個觀測變量通過坐標系變換，綜合成p個新的變量，即

坐標變換需要滿足以下條件：

（1）Fi，F(xiàn)j互不相關(guān)（i≠j，i，j=1，2，…，p）；

（2）F1的方差大于F2的方差，大于F3的方差，依次類；

（3）a2k1+a2k2+ …+a2kp＝ 1，k=1，2，…，p.

求解后得F1為第一主成分，F(xiàn)2為第二主成分，依次類推，有p個主成分，aij為主成分系數(shù)。最終的目標價值函數(shù)為：

其中，Y 為目標價值得分，a1，a2，a3，…，ap為各個主成分的貢獻率。

2.3 PCA-SOM神經(jīng)網(wǎng)絡(luò)

利用PCA優(yōu)化SOM網(wǎng)絡(luò)可以消除評價指標間的重復(fù)、冗余信息，保證SOM網(wǎng)絡(luò)數(shù)據(jù)綜合和映射功能的同時，解決其學(xué)習(xí)速度和無效神經(jīng)元的問題。利用PCA優(yōu)化SOM神經(jīng)網(wǎng)絡(luò)的具體流程如下：

（1）對樣本數(shù)據(jù)進行主成分分析，篩選累計貢獻率達到90%的前項成分作為入選數(shù)據(jù)，并對入選數(shù)據(jù)進行Z-Score標準化處理，處理方法如下：

其中，xi為入選數(shù)據(jù)中第項成分的集合為ZScore標準化處理之后的數(shù)據(jù)，為xi中數(shù)據(jù)的平均值，Si為xi中數(shù)據(jù)的方差。

（2）將標準化處理后的入選數(shù)據(jù)輸入SOM網(wǎng)絡(luò)模型進行聚類，對于SOM網(wǎng)絡(luò)的參數(shù)設(shè)置，其采樣點數(shù)目與樣本數(shù)目一致，神經(jīng)元數(shù)目與分類數(shù)目一致，例如將目標分為四類，則將神經(jīng)元設(shè)定為4個。若將目標分為五類，則將神經(jīng)元數(shù)目設(shè)定為5個。

（3）計算各樣本、各類別的綜合得分。

3 實例分析

假定我方遂行襲擊敵方艦隊任務(wù)，計劃使用反艦導(dǎo)彈對敵艦隊進行打擊，天氣狀況良好，彈藥性能正常。在此背景下，有專家評定的12類典型目標的經(jīng)驗數(shù)據(jù)，將前11項作為訓(xùn)練樣本，第12項作為測試項。

利用MATLAB軟件進行仿真計算。第一步，對專家數(shù)據(jù)進行主成分分析，結(jié)果如表1、表2所示。

表1 主成分系數(shù)表

表2 典型目標主成分得分表

從表1可以看出，前5個主成分的累計貢獻率已經(jīng)達到95%以上，信息損失率很低，故選取前5項成分作為入選數(shù)據(jù)。

第二步，將表2中典型目標主成分得分矩陣進行Z-Score標準化并作為SOM網(wǎng)絡(luò)的輸入變量，通過網(wǎng)絡(luò)訓(xùn)練實現(xiàn)樣本聚類，并計算綜合得分。競爭層采用一維結(jié)構(gòu)，采樣點11個，神經(jīng)元設(shè)置為4個，結(jié)果如表3所示，網(wǎng)絡(luò)拓撲效果如圖2所示。

表3 各類別綜合得分情況

圖2 聚類效果圖

由此，通過PCA-SOM神經(jīng)網(wǎng)絡(luò)模型分析11組樣本數(shù)據(jù)，建立了一個反艦導(dǎo)彈作戰(zhàn)目標分類模型。該模型綜合各類因素，將反艦導(dǎo)彈的作戰(zhàn)打擊目標按照其價值分為了四級。在戰(zhàn)場環(huán)境中，如果出現(xiàn)了一個新目標，則依據(jù)上述步驟可以很迅速準確地對其進行分類，確定打擊該目標的優(yōu)先級。

下面以征用民船為例，驗證該模型的準確性。對于征用民船來說，其特征明顯、結(jié)構(gòu)脆弱且無反擊手段，反艦導(dǎo)彈對其識別準確率高、毀傷效果好、攻擊風(fēng)險低，攻擊成本極低。攻擊征用民船的收益也很明顯，能夠?qū)撑炾牴?yīng)鏈造成顯著破壞。在實際戰(zhàn)場環(huán)境中，征用民船屬于優(yōu)先攻擊目標。

利用模型對征用民船進行分類，首先用6個目標價值評估指標對征用民船進行評分，得分情況為：

X=（0.61 0.11 0.95 0.01 0.01 0.95）

按照上述步驟將得分數(shù)據(jù)輸入PCA-SOM神經(jīng)網(wǎng)絡(luò)模型，得到其聚類結(jié)果為Ⅰ，屬于最應(yīng)優(yōu)先打擊的高價值目標。該結(jié)論與實際結(jié)果一致，驗證了目標分類模型的準確性。

4 結(jié)論

本文提出了基于PCA-SOM神經(jīng)網(wǎng)絡(luò)的反艦導(dǎo)彈作戰(zhàn)目標分類模型，該模型首先依據(jù)反艦導(dǎo)彈性能特點、作戰(zhàn)任務(wù)規(guī)劃和目標屬性，選取了6個目標價值評估指標；利用PCA優(yōu)化SOM神經(jīng)網(wǎng)絡(luò)，既消除了評價指標間的重復(fù)、冗余信息，又在保證SOM網(wǎng)絡(luò)數(shù)據(jù)綜合和映射功能的同時，解決了其學(xué)習(xí)速度和無效神經(jīng)元的問題。實例分析表明，該分類模型能夠依據(jù)目標價值完成對反艦導(dǎo)彈作戰(zhàn)目標的分類，為指揮機關(guān)決策提供依據(jù)或參考。