（國(guó)防大學(xué)聯(lián)合作戰(zhàn)學(xué)院 石家莊 050084）

1 引言

人類社會(huì)已經(jīng)進(jìn)入大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)信息的出現(xiàn)讓身處信息汪洋的我們更加難以看清事物的本質(zhì)，而大數(shù)據(jù)技術(shù)的發(fā)展為信息時(shí)代的數(shù)據(jù)處理提供了有力支撐。未來信息化戰(zhàn)爭(zhēng)，全域多維的海量數(shù)據(jù)信息爆發(fā)，透過信息迷霧掌握戰(zhàn)爭(zhēng)脈動(dòng)的一方將占據(jù)信息制高點(diǎn)，奪取制信息權(quán)進(jìn)而控制戰(zhàn)場(chǎng)態(tài)勢(shì)并贏得戰(zhàn)爭(zhēng)。大數(shù)據(jù)挖掘技術(shù)為我們提供了一種可能途徑，將軍事領(lǐng)域的海量信息進(jìn)行挖掘利用，掌握其中的規(guī)律并加以利用，必將改變未來戰(zhàn)爭(zhēng)的面貌。

隨著以云計(jì)算、物聯(lián)網(wǎng)為代表的新一代信息技術(shù)的快速發(fā)展，信息滲透到戰(zhàn)場(chǎng)的各個(gè)領(lǐng)域和環(huán)節(jié)，現(xiàn)代戰(zhàn)場(chǎng)的信息流量成幾何級(jí)數(shù)劇增，數(shù)據(jù)量十分龐大［1］。這些數(shù)據(jù)當(dāng)中，部分屬于冗余數(shù)據(jù)，部分則屬于不相關(guān)數(shù)據(jù)，還有部分屬于噪音數(shù)據(jù)［2］。如何對(duì)大數(shù)據(jù)進(jìn)行系統(tǒng)的處理和分析，挖掘隱藏在數(shù)據(jù)背后的深層次軍事知識(shí)和含義，得出科學(xué)、可信的結(jié)論，成為一個(gè)緊迫而又全新的戰(zhàn)略課題。數(shù)據(jù)挖掘是一門面向應(yīng)用的技術(shù)，不僅是面向特定數(shù)據(jù)庫(kù)的簡(jiǎn)單檢索、查詢和調(diào)用，而且要對(duì)這些數(shù)據(jù)進(jìn)行微觀乃至宏觀的統(tǒng)計(jì)、分析和推理，挖掘大量數(shù)據(jù)背后的知識(shí)［3］。

2 大數(shù)據(jù)挖掘概念

大數(shù)據(jù)挖掘是從大量數(shù)據(jù)中有效地發(fā)現(xiàn)有價(jià)值的、不明顯的信息，這種涉及從數(shù)據(jù)中提取信息的過程也是一種探索性數(shù)據(jù)分析［4］。大數(shù)據(jù)挖掘是從存儲(chǔ)在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中的大量數(shù)據(jù)中發(fā)現(xiàn)有趣的信息，如模式、關(guān)聯(lián)、變化、異常和重要結(jié)構(gòu)的過程［5］。大數(shù)據(jù)挖掘通常用于非常大的數(shù)據(jù)庫(kù)，由于數(shù)據(jù)庫(kù)的復(fù)雜性和容量龐大，使得它通常是不能被解讀或分析。大數(shù)據(jù)挖掘的目的是從這些大型數(shù)據(jù)庫(kù)中發(fā)現(xiàn)有用的信息，這種過程被稱為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Databases，KDD）［6］。大數(shù)據(jù)挖掘涉及數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、高性能計(jì)算、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化、信息檢索等多學(xué)科的技術(shù)集成［7～8］。總而言之，大數(shù)據(jù)挖掘是從海量數(shù)據(jù)信息中發(fā)現(xiàn)規(guī)律性現(xiàn)象的數(shù)據(jù)處理技術(shù)，已經(jīng)成為信息時(shí)代處理數(shù)據(jù)信息的主要手段。

3 大數(shù)據(jù)挖掘主要方法

大數(shù)據(jù)挖掘涉及數(shù)據(jù)庫(kù)技術(shù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、高性能計(jì)算、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)可視化、信息檢索等多學(xué)科的技術(shù)集成［9］。其常用的分析方法包括分類、聚類、回歸分析、關(guān)聯(lián)規(guī)則和特征分析等［10］。

3.1 異常數(shù)據(jù)清理

對(duì)采集到大數(shù)據(jù)進(jìn)行分析、挖掘前，通常會(huì)在探索性分析［11］的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行清洗，為數(shù)據(jù)分析和模型構(gòu)建做準(zhǔn)備［12］。主要對(duì)四類異常數(shù)據(jù)進(jìn)行處理。分別是缺失值、異常值（離群點(diǎn)）、去重處理以及噪音數(shù)據(jù)的處理。

1）缺失值。在大多數(shù)數(shù)據(jù)集中缺失值都普遍會(huì)存在，而對(duì)于缺失值的處理好壞會(huì)直接影響到模型的最終結(jié)果。常用處理方法有均值法、中位數(shù)法、插補(bǔ)法與建模法。插補(bǔ)法主要有隨即插補(bǔ)法、多重插補(bǔ)法、熱平臺(tái)插補(bǔ)法以及拉格朗日插補(bǔ)法與牛頓插補(bǔ)法。建模法可以用回歸、貝葉斯、隨機(jī)森林、決策樹等模型對(duì)缺失數(shù)據(jù)進(jìn)行預(yù)測(cè)。

2）異常值。分為異常點(diǎn)和離群點(diǎn)。異常點(diǎn)處理方法為直接刪除法、基于距離計(jì)算算法（包括K-means，KNN之類）、平均值替代法等。離群點(diǎn)常用處理方法有3δ法、模型檢測(cè)法、鄰近性法等。

3）去重處理。對(duì)于重復(fù)項(xiàng)的判斷，基本思想是“排序與合并”，主要用duplicated方法進(jìn)行判斷，然后將重復(fù)的樣本進(jìn)行簡(jiǎn)單的刪除處理。

4）噪音處理。噪音是被測(cè)變量的隨機(jī)誤差或者方差，包括錯(cuò)誤值或偏離期望的孤立點(diǎn)值，對(duì)于噪音的處理主要采用分箱法和回歸法（包括線性回歸和使用回歸）。

3.2 單變量分析

單變量分析又稱“單變量統(tǒng)計(jì)分析”，就是在一個(gè)時(shí)間點(diǎn)上對(duì)單一變量所進(jìn)行的描述和統(tǒng)計(jì)，目的是通過對(duì)數(shù)據(jù)的整理、加工、組織和展示，計(jì)算反應(yīng)數(shù)據(jù)的集中趨勢(shì)和離散程度的指標(biāo)，對(duì)變量分布的特征和規(guī)律進(jìn)行刻畫和描述。主要分為單變量描述統(tǒng)計(jì)和單變量推論統(tǒng)計(jì)兩種方式。其中單變量描述統(tǒng)計(jì)可以確定頻數(shù)分布與頻率分布、進(jìn)行集中趨勢(shì)分析、進(jìn)行離散趨勢(shì)分析，單變量推論統(tǒng)計(jì)可通過樣本調(diào)查中所得到的數(shù)據(jù)資料，從區(qū)間估計(jì)和假設(shè)檢驗(yàn)兩個(gè)方面對(duì)總體的狀況進(jìn)行推斷。

3.3 多變量分析

多變量分析是對(duì)多個(gè)變量（或稱因素、指標(biāo)）同時(shí)存在時(shí)的統(tǒng)計(jì)分析，其內(nèi)容很多，但從實(shí)際應(yīng)用角度看，主要包括回歸分析、判別分析、因子分析、聚類分析、主成分分析、生存分析六大分支。其中數(shù)據(jù)挖掘中常用的為以下四種。

1）聚類分析。聚類是將數(shù)據(jù)對(duì)象分類成一組不相交類的過程［13］，其基本思想是找出一些能夠度量樣品或指標(biāo)之間相似程度的統(tǒng)計(jì)量作為劃分類型的依據(jù)，把一些相似程度較大的樣品（或指標(biāo)）聚合為一類，直到把所有的樣品（或指標(biāo)）聚合完畢。其結(jié)果對(duì)參數(shù)十分敏感，許多聚類算法要求用戶以輸入?yún)?shù)形式提供領(lǐng)域知識(shí)［17］。常用的方法有：直接聚類法、最短距離聚類法、最遠(yuǎn)距離聚類法。

2）回歸分析?；貧w分析指的是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法。在大數(shù)據(jù)分析中，回歸分析是一種預(yù)測(cè)性的建模技術(shù)，它研究的是因變量（目標(biāo)）和自變量（預(yù)測(cè)器）之間的關(guān)系。通常用于預(yù)測(cè)分析時(shí)間序列模型及發(fā)現(xiàn)變量之間的因果關(guān)系。

3）判別分析。分類是大數(shù)據(jù)挖掘領(lǐng)域的經(jīng)典課題之一［15］。判別分析又稱“分辨法”，是在分類確定的條件下，根據(jù)某一研究對(duì)象的各種特征值判別其類型歸屬問題的一種多變量統(tǒng)計(jì)分析方法。常用的方法有：最大似然法、費(fèi)歇（FISHER）判別思想、貝葉斯（BAYES）判別思想［16］、距離判別思想等。

4）主成分分析。主成分分析（PCA），是一種把離散信息歸至指定指標(biāo)的統(tǒng)計(jì)分析方法［17］，也是一種降維的統(tǒng)計(jì)方法。主要是研究如何把彼此相關(guān)的變量綜合成一個(gè)（或少數(shù)幾個(gè)）綜合指標(biāo)（或稱主成分），使得在研究復(fù)雜問題時(shí)更容易抓住主要矛盾，揭示變量之間的內(nèi)在關(guān)系，得到對(duì)事物特征及其發(fā)展規(guī)律的一些深層次的啟發(fā)。

3.4 關(guān)聯(lián)性分析

關(guān)聯(lián)分析又稱關(guān)聯(lián)挖掘，是一種簡(jiǎn)單、實(shí)用的分析技術(shù)，用于發(fā)現(xiàn)存在于大量數(shù)據(jù)集中的關(guān)聯(lián)性或相關(guān)性，從而描述了一個(gè)事物中某些屬性同時(shí)存在的規(guī)律和模式。比較經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法有Apriori算法和FP-Tree算法，核心思想是通過連接產(chǎn)生候選項(xiàng)及其支持度，然后通過剪枝生成頻繁項(xiàng)集。當(dāng)前，對(duì)于大數(shù)據(jù)環(huán)境中的關(guān)聯(lián)分析，已經(jīng)有很多集成各種分析功能的工具包，如Mahout工具包可實(shí)現(xiàn)關(guān)聯(lián)挖掘、聚類、分類、回歸等操作。

4 大數(shù)據(jù)挖掘技術(shù)軍事應(yīng)用研究

4.1 在作戰(zhàn)指揮中的應(yīng)用

1）提供高效準(zhǔn)確的情報(bào)。大數(shù)據(jù)思想最早應(yīng)用于軍事領(lǐng)域是軍事情報(bào)分析［18］，其應(yīng)用非常廣泛。一是衛(wèi)星仿真數(shù)據(jù)分析與評(píng)估。李清毅［3］利用數(shù)傳評(píng)估算法對(duì)衛(wèi)星仿真柔性平臺(tái)的結(jié)果數(shù)據(jù)進(jìn)行深層次的數(shù)據(jù)挖掘，進(jìn)行事后分析和處理，根據(jù)應(yīng)用需求從仿真數(shù)據(jù)中提煉有用的結(jié)果，并以曲線和圖表等多種形式予以保存和顯示。二是軍事情報(bào)信息挖掘。武開有［19］建立了數(shù)據(jù)挖掘模型，利用時(shí)間序列算法、關(guān)聯(lián)規(guī)則算法和聚類分析算法對(duì)海洋軍事情報(bào)信息進(jìn)行挖掘，可獲得更加準(zhǔn)確和時(shí)效性強(qiáng)的指揮決策支持信息。王榮生等［20］指出利用大數(shù)據(jù)采集分析技術(shù)和智能化應(yīng)用技術(shù)，能及時(shí)處理海量、非結(jié)構(gòu)化、全維性的偵察情報(bào)信息，確保信息處理的時(shí)效性和準(zhǔn)確性。三是空間數(shù)據(jù)挖掘。江兵等［1］分析了空間數(shù)據(jù)的特征，將分類分析、聚類分析、關(guān)聯(lián)規(guī)則分析和決策論等方法技術(shù)運(yùn)用到戰(zhàn)場(chǎng)環(huán)境分析、空間信息情報(bào)處理和戰(zhàn)場(chǎng)態(tài)勢(shì)挖掘上，從空間數(shù)據(jù)中提取出具有決策意義的信息，為戰(zhàn)場(chǎng)指揮員正確決策提供了數(shù)據(jù)支持。丁佐杉等［21］指出利用模糊數(shù)據(jù)開采方法（FDM）可進(jìn)行戰(zhàn)場(chǎng)環(huán)境仿真與分析，將地理信息系統(tǒng)（GIS）中的數(shù)據(jù)進(jìn)行挖掘，可得到目標(biāo)之間最短路徑、最優(yōu)規(guī)劃等有用知識(shí)，還可實(shí)現(xiàn)戰(zhàn)場(chǎng)氣候信息數(shù)據(jù)挖掘。同時(shí)指出利用此方法還可解決情報(bào)信息的融合處理問題。

2）輔助分析決策。大數(shù)據(jù)挖掘?qū)娛聸Q策支持有著重要的支撐作用。鄭澤席［22］把DM（Data Mining）和 KDD（Knowledge Discovery in Database）技術(shù)引入了軍事決策支持系統(tǒng)，建立了知識(shí)向量集的拓?fù)淇臻g概念并提出了基于拓?fù)淇臻g向量集的不確定性知識(shí)表示方法，進(jìn)一步提高了軍事決策支持信息的準(zhǔn)確性和可靠性，為首長(zhǎng)定下決心提供了必要的決策信息和數(shù)據(jù)支持。丁佐杉等［21］指出運(yùn)用基于知識(shí)發(fā)現(xiàn)的模糊專家系統(tǒng)、統(tǒng)計(jì)決策理論、人工神經(jīng)網(wǎng)絡(luò)等多屬性決策技術(shù)，可對(duì)兵力運(yùn)用、火力運(yùn)用、兵力機(jī)動(dòng)、敵方威脅等進(jìn)行深入分析，形成有效的輔助決策方法。

3）提供全域控制戰(zhàn)場(chǎng)能力。一是對(duì)戰(zhàn)場(chǎng)進(jìn)行自主控制。劉彪等［23］提出面對(duì)戰(zhàn)場(chǎng)上的海量信息，大數(shù)據(jù)挖掘一方面可以實(shí)現(xiàn)各級(jí)指揮機(jī)構(gòu)對(duì)戰(zhàn)場(chǎng)的自主控制能力，主動(dòng)對(duì)戰(zhàn)場(chǎng)情況做出有利于全局的組織領(lǐng)導(dǎo)活動(dòng)。另一方面可以將情報(bào)信息、指揮控制、火力打擊、信息共享等要素進(jìn)行聯(lián)動(dòng)，確保圍繞同一目標(biāo)的快速、精確進(jìn)行協(xié)調(diào)一致的行動(dòng)。二是電磁頻譜管理。邵震洪等［24］從分析我軍電磁頻譜數(shù)據(jù)來源和特點(diǎn)出發(fā)，提出了電磁頻譜數(shù)據(jù)挖掘體系框架，可從廢棄的和不重要的數(shù)據(jù)中提取有價(jià)值的知識(shí)和信息為電磁頻譜管理決策提供支持，有助于提升電磁頻譜管理的水平。

4.2 在軍事訓(xùn)練中的應(yīng)用

1）演訓(xùn)數(shù)據(jù)分析。軍事訓(xùn)練中會(huì)產(chǎn)生大量訓(xùn)練大數(shù)據(jù)［25］，如何對(duì)其有效分析利用是需要研究的問題。一是軍事演習(xí)數(shù)據(jù)分析。劉天勇［26］對(duì)軍事演習(xí)中產(chǎn)生的大量初始數(shù)據(jù)、過程數(shù)據(jù)、結(jié)果數(shù)據(jù)和參演人員數(shù)據(jù)進(jìn)行分析整理和深入挖掘，高效提煉出決策和執(zhí)行人員所需要的“知識(shí)”，將演習(xí)大數(shù)據(jù)轉(zhuǎn)化為可供決策的知識(shí)，最終為決策所用。二是軍事訓(xùn)練數(shù)據(jù)分析。韓曜權(quán)等［27］提出了運(yùn)用主成分分析（PCA）算法對(duì)軍事訓(xùn)練的大數(shù)據(jù)量、多科目、高維度的數(shù)據(jù)進(jìn)行降維，然后基于傳統(tǒng)層次聚類算法對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行分析的方法，能直觀反映出各類訓(xùn)練人員的成績(jī)特點(diǎn)，對(duì)軍事訓(xùn)練計(jì)劃制定與實(shí)施提供了參考。程果等［28］針對(duì)當(dāng)前軍事定向越野教學(xué)訓(xùn)練的特點(diǎn)，運(yùn)用大數(shù)據(jù)思想對(duì)長(zhǎng)期訓(xùn)練中積累的大量控制點(diǎn)數(shù)據(jù)、任務(wù)點(diǎn)數(shù)據(jù)、學(xué)員橫向數(shù)據(jù)和學(xué)員縱向數(shù)據(jù)進(jìn)行挖掘，發(fā)現(xiàn)并總結(jié)了一些具有普遍推廣價(jià)值的指導(dǎo)規(guī)律。

2）作戰(zhàn)仿真模擬。作戰(zhàn)仿真是有效的作戰(zhàn)輔助手段，會(huì)產(chǎn)生大量仿真大數(shù)據(jù)［29］，大數(shù)據(jù)挖掘在此方面有重要用途。一是作戰(zhàn)毀傷仿真。李華等［30］基于坦克分隊(duì)?wèi)?zhàn)術(shù)綜合演練仿真系統(tǒng)，運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)坦克分隊(duì)作戰(zhàn)過程中的毀傷概率模型進(jìn)行研究，利用決策權(quán)對(duì)模型進(jìn)行分析，較好地滿足了坦克分隊(duì)作戰(zhàn)毀傷研究的需要，為分隊(duì)作戰(zhàn)智能化仿真研究提供了一定借鑒。二是作戰(zhàn)仿真數(shù)據(jù)挖掘。薛青等［31］從作戰(zhàn)仿真數(shù)據(jù)構(gòu)成分析入手，提出了面向數(shù)據(jù)挖掘的作戰(zhàn)數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建方法，將系統(tǒng)數(shù)據(jù)、基礎(chǔ)仿真數(shù)據(jù)、作業(yè)仿真數(shù)據(jù)、仿真結(jié)果數(shù)據(jù)和仿真管理數(shù)據(jù)納入其中，對(duì)于從現(xiàn)實(shí)世界中搜集、獲取數(shù)據(jù)具有積極的參考價(jià)值。三是輔助兵棋推演。劉長(zhǎng)亮［32］在分析總結(jié)現(xiàn)代作戰(zhàn)高性能兵棋推演特點(diǎn)要求的基礎(chǔ)上，按照可拓知識(shí)庫(kù)構(gòu)建、可拓變換、基于可拓變換的數(shù)據(jù)挖掘和可拓?cái)?shù)據(jù)挖掘推理4個(gè)環(huán)節(jié)闡述了可拓?cái)?shù)據(jù)挖掘在兵棋推演系統(tǒng)中的實(shí)現(xiàn)并分析驗(yàn)證了其實(shí)用性。

3）演訓(xùn)效能評(píng)價(jià)。當(dāng)前我軍演訓(xùn)活動(dòng)組織較多，產(chǎn)生大量數(shù)據(jù)，大數(shù)據(jù)挖掘可用來量化對(duì)演訓(xùn)的評(píng)價(jià)。一是作戰(zhàn)實(shí)驗(yàn)事后分析。王峰山等［33］在分布式存儲(chǔ)和并行運(yùn)算技術(shù)基礎(chǔ)上，通過關(guān)聯(lián)挖掘算法對(duì)非結(jié)構(gòu)化、多源異構(gòu)的作戰(zhàn)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行全面深入挖掘，為作戰(zhàn)實(shí)驗(yàn)事后分析提供了一種新思路。二是演訓(xùn)效能評(píng)估。馬新志等［34］充分借助大數(shù)據(jù)及其技術(shù)，直視演訓(xùn)評(píng)估中數(shù)據(jù)浪費(fèi)和數(shù)據(jù)缺失等問題，著力解決了數(shù)據(jù)整編、存儲(chǔ)、分析、展示、再生產(chǎn)等難題，使評(píng)估結(jié)論更加準(zhǔn)確、實(shí)時(shí)、高效，帶動(dòng)了評(píng)估效率質(zhì)的飛躍。

4.3 在軍事信息安全中的應(yīng)用

1）在軍事通信網(wǎng)絡(luò)中的應(yīng)用。一是軟件測(cè)試管理。蘇賽［35］等在訓(xùn)練集上建立分類模型，首先對(duì)測(cè)試人員特點(diǎn)進(jìn)行分析，然后對(duì)測(cè)試過程中QA或質(zhì)量監(jiān)督員發(fā)現(xiàn)的問題進(jìn)行梳理統(tǒng)計(jì)，找出薄弱性尋找對(duì)策加以解決改進(jìn)，提高了軟件開發(fā)的可靠性。二是輔助通信規(guī)劃。李克等［36］在分析數(shù)據(jù)倉(cāng)庫(kù)特點(diǎn)的基礎(chǔ)上，結(jié)合數(shù)據(jù)挖掘工具，構(gòu)筑了信息戰(zhàn)中軍事通信網(wǎng)絡(luò)的數(shù)據(jù)倉(cāng)庫(kù)模型，提出了應(yīng)用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)來挖掘軍事通信網(wǎng)絡(luò)信息數(shù)據(jù)的設(shè)想，以期為戰(zhàn)場(chǎng)規(guī)劃和目標(biāo)預(yù)測(cè)提供幫助。

2）確保軍事網(wǎng)絡(luò)安全。一是在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用。藍(lán)永發(fā)［37］結(jié)合多種數(shù)據(jù)挖掘技術(shù)的算法，提出了一種數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測(cè)模型，在Snort入侵檢測(cè)系統(tǒng)中運(yùn)用DBSAN算法和K-Means算法提高了入侵檢測(cè)的正確率，增加了網(wǎng)絡(luò)數(shù)據(jù)傳輸安全性。二是在網(wǎng)絡(luò)病毒監(jiān)測(cè)中的應(yīng)用。黃應(yīng)紅等［38］將數(shù)據(jù)挖掘技術(shù)運(yùn)用到網(wǎng)絡(luò)病毒監(jiān)測(cè)中，運(yùn)用分類分析、聚類分析和序列模式分析等算法，有效地從病毒監(jiān)測(cè)審計(jì)數(shù)據(jù)中提取出有用的信息，提高了病毒檢測(cè)能力。三是在網(wǎng)絡(luò)病毒防御中的應(yīng)用。李嘉嘉［39］針對(duì)計(jì)算機(jī)網(wǎng)絡(luò)病毒傳播快、種類多、破壞性強(qiáng)的特點(diǎn)，通過數(shù)據(jù)源抓包、數(shù)據(jù)預(yù)處理、建立規(guī)則庫(kù)，運(yùn)用關(guān)聯(lián)規(guī)則、異類分析和聚類分析來發(fā)現(xiàn)和查找病毒特殊數(shù)據(jù)，可有效保護(hù)網(wǎng)絡(luò)系統(tǒng)安全。

3）確保軍事網(wǎng)絡(luò)數(shù)據(jù)安全。軍事網(wǎng)絡(luò)中異常數(shù)據(jù)的處理一直是較難解決的問題，董本清等［40］針對(duì)傳統(tǒng)算法缺陷，提出一種采用優(yōu)化遺傳算法的復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流中的異常數(shù)據(jù)方法，利用遺傳算法獲得抽樣樣本集的聚類中心，對(duì)其進(jìn)行遺傳操作使其自適應(yīng)調(diào)整，可提高復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流中異常數(shù)據(jù)挖掘的準(zhǔn)確率。

4.4 在軍隊(duì)教育管理中的應(yīng)用

1）提高信息化工作效率。李悅等［41］通過對(duì)目前我國(guó)信息化的發(fā)展現(xiàn)狀及問題進(jìn)行詳細(xì)分析，找到基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)與單位信息管理中的契合點(diǎn)，提出了基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù)系統(tǒng)的設(shè)計(jì)方案。該方案有助于單位優(yōu)化資源配置，促進(jìn)領(lǐng)導(dǎo)決策合理性。

2）提高檔案管理效率。陳小莉［42］提出了一種基于大數(shù)據(jù)并行閉頻繁項(xiàng)集挖掘的檔案管理數(shù)據(jù)挖掘技術(shù)，在關(guān)聯(lián)規(guī)則特征提取的基礎(chǔ)上建立檔案信息管理的閉頻繁項(xiàng)集后綴表，進(jìn)行大數(shù)據(jù)并行挖掘，將其應(yīng)用在檔案管理系統(tǒng)的數(shù)據(jù)信息檢索中，提高了檔案管理系統(tǒng)中的數(shù)據(jù)快速查閱和檢索性能。

3）增強(qiáng)部隊(duì)管理能力。高磊等［43］提出將不打招呼檢查信息轉(zhuǎn)換為標(biāo)準(zhǔn)化數(shù)據(jù)，構(gòu)建以檢查記錄表為主的數(shù)據(jù)庫(kù)，找出高頻項(xiàng)目進(jìn)行最小支持度和最小置信度分析，通過關(guān)聯(lián)規(guī)則描述與解釋進(jìn)行成因調(diào)查研究進(jìn)而輔助決策提高管理效率。并指出該方法在安全風(fēng)險(xiǎn)評(píng)估、兵員數(shù)質(zhì)量分析、組織編制演變規(guī)律研究等領(lǐng)域有廣闊應(yīng)用前景。

4.5 在后裝綜合保障中的應(yīng)用

1）加強(qiáng)工程質(zhì)量審計(jì)管理。一是軍事工程成本管理。王武新等［44］通過建立軍隊(duì)后勤云計(jì)算中心，實(shí)現(xiàn)了基于云計(jì)算的軍事工程成本管理，通過云計(jì)算挖掘技術(shù)，為破解軍隊(duì)建設(shè)項(xiàng)目成本管理中長(zhǎng)期存在的“分散”、“虛置”、“繁混”等現(xiàn)象提供了契機(jī)，破解了軍事工程成本管理中的困局。二是電氣工程故障分析。吳嶸［45］將全局信息引入電力系統(tǒng)中，采用聚類分析技術(shù)，從大型數(shù)據(jù)庫(kù)信息中自動(dòng)提取有效的、新穎的、潛在有用的信息，快速準(zhǔn)確的檢測(cè)出故障分量和故障區(qū)斷，為電機(jī)工程研究提出了一種新的解決方案。三是用電信息優(yōu)化。尹成波［46］提出了基于大數(shù)據(jù)分析的用電信息采集運(yùn)維優(yōu)化方法，建立電網(wǎng)采集運(yùn)維優(yōu)化的目標(biāo)函數(shù)，利用約束條件構(gòu)建優(yōu)化模型。通過粒子群算法和搜索能力及動(dòng)態(tài)重組能力進(jìn)行求解，有效地縮短了用電信息采集電音，提高了用電信息采集統(tǒng)計(jì)量。四是提高軍隊(duì)事業(yè)審計(jì)效率。王蕾［47］在分析軍隊(duì)事業(yè)審計(jì)中運(yùn)用數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上，結(jié)合法規(guī)特殊性規(guī)定、數(shù)據(jù)勾稽關(guān)系、業(yè)務(wù)處理邏輯、外源印證和審計(jì)經(jīng)驗(yàn)構(gòu)建個(gè)體分析模型，利用數(shù)據(jù)分析軟件進(jìn)行審計(jì)數(shù)據(jù)的分析處理（OLAP）及趨勢(shì)預(yù)測(cè)分析，能進(jìn)一步判斷被審計(jì)單位存在的問題并指出改進(jìn)方法和思路。

2）物流倉(cāng)儲(chǔ)中的應(yīng)用。為提高后方倉(cāng)庫(kù)指揮管理的效率，石勝慶等［48］針對(duì)后方倉(cāng)庫(kù)大量“孤島”數(shù)據(jù)庫(kù)無法得到深層次利用的問題，通過建立基本框架、確定核心內(nèi)容、明確技術(shù)手段、統(tǒng)一集成標(biāo)準(zhǔn)的步驟構(gòu)建了后方倉(cāng)庫(kù)指揮管理模型，在物資保障輔助決策、庫(kù)存物資質(zhì)量管理、智能化安防方面進(jìn)行應(yīng)用，提高了后方倉(cāng)庫(kù)保障決策和日常管理服務(wù)水平。

3）裝備檢測(cè)和質(zhì)量管理。一是航天型號(hào)產(chǎn)品質(zhì)量管理。吳丹等［49］在航天型號(hào)產(chǎn)品質(zhì)量信息數(shù)據(jù)倉(cāng)庫(kù)上，利用決策樹、聚類分析技術(shù)、關(guān)聯(lián)發(fā)現(xiàn)和時(shí)間序列發(fā)現(xiàn)技術(shù)以及ID3算法、BP算法等方法，建立了時(shí)間序列預(yù)測(cè)模型、分析分析模型和關(guān)聯(lián)分析模型。通過質(zhì)量數(shù)據(jù)查找出了某類質(zhì)量問題產(chǎn)生的根本原因，給出了在研型號(hào)的質(zhì)量水平和可能存在的質(zhì)量風(fēng)險(xiǎn)的置信區(qū)間，實(shí)現(xiàn)了對(duì)型號(hào)質(zhì)量風(fēng)險(xiǎn)的預(yù)測(cè)，對(duì)產(chǎn)品質(zhì)量及管理的快速科學(xué)決策。二是航空發(fā)動(dòng)機(jī)狀態(tài)監(jiān)控與故障診斷。曠典等［50］在分析多元多維度大數(shù)據(jù)來源的基礎(chǔ)上，建立了大數(shù)據(jù)模型的構(gòu)架，利用全參數(shù)關(guān)聯(lián)規(guī)則挖掘、狀態(tài)量關(guān)聯(lián)度分析和狀態(tài)量加權(quán)分析的方法，使發(fā)動(dòng)機(jī)的診斷精度得到提升，提高了飛行的安全性和維修保障的經(jīng)濟(jì)性。三是運(yùn)載火箭測(cè)發(fā)故障分析。程龍［51］等研究了基于仿真與數(shù)據(jù)挖掘的測(cè)試發(fā)射故障分析方法，對(duì)仿真系統(tǒng)得到的大量數(shù)據(jù)信息進(jìn)行處理、分類和挖掘，獲取了所關(guān)心的故障知識(shí)，提高了相關(guān)故障分析工作的效率與質(zhì)量。四是海軍直升機(jī)裝備應(yīng)用。汪智超等［52］將數(shù)據(jù)挖掘技術(shù)應(yīng)用到海軍直升機(jī)裝備中，利用預(yù)測(cè)算法對(duì)航電系統(tǒng)進(jìn)行故障診斷和預(yù)測(cè)，確保了海軍直升機(jī)在護(hù)航和航母編隊(duì)任務(wù)中的飛行安全。

5 結(jié)語(yǔ)

如今，大數(shù)據(jù)挖掘技術(shù)在軍事領(lǐng)域中的應(yīng)用日益廣泛，也已經(jīng)取得了一定的成果。但是，在挖掘技術(shù)和實(shí)現(xiàn)手段等方面還存在不足，需要進(jìn)一步的研究完善。首先，挖掘工具標(biāo)準(zhǔn)不一，缺少通用性。目前，挖掘工具都是針對(duì)某一具體的信息系統(tǒng)，不同的挖掘工具操作方法各異，而沒有統(tǒng)一規(guī)范化的具有普遍適用性的數(shù)據(jù)挖掘工具，不便于使用者更好更快地掌握數(shù)據(jù)挖掘操作方法，給挖掘工具的推廣工作增加了難度。其次，挖掘工具操作復(fù)雜，只有專門從事數(shù)據(jù)信息工作方面的人員才能使用自如，對(duì)廣大普通管理者和從事信息管理的人員來說掌握起來需要花費(fèi)的時(shí)間較長(zhǎng)。所以，研究一種簡(jiǎn)單、友好、方便快捷，并且通用性強(qiáng)的挖掘工具是目前大數(shù)據(jù)挖掘研究的重點(diǎn)。為將其更好地應(yīng)用于軍事領(lǐng)域，我們要統(tǒng)一思想，樹立大數(shù)據(jù)意識(shí)，對(duì)演習(xí)、訓(xùn)練和日常工作中的數(shù)據(jù)信息進(jìn)行收集建庫(kù)，為大數(shù)據(jù)挖掘技術(shù)提供應(yīng)用的平臺(tái)和空間。