摘要：针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。

摘要：针对战场态势估计问题中的目标分群和规划识别问题进行研究。在目标分群问题的研究中,提出一种二次分群算法。首先利用最近邻法进行聚类,然后采用基于模板匹配的方法进行初次分群,考虑到其无法应对空间位置有重叠的情况,结合信代价及初次分群属性沿用模板匹配的思想进行二次分群;在规划识别问题的研究中,提出一种基于贝叶斯网络的规划识别算法,为了获取顶层规划任务并求得概率,构建贝叶斯网络,将当前获得的事件与网络库进行匹配,实现对敌方的规划识别。针对以上两种算法,设计了符合战场情景的仿真环境,通过仿真验证了所提出的二次分群算法相较于初次分群识别准确率提高了26.7%,规划识别算法准确率达98.04%。最后,对所做工作进行了总结并对未来可能的改进方向进行分析。

摘要：根据信息资源所具有的领域知识含义,进行语义融合从而支持高级别推理在信息融合中尤为重要。通过对态势估计的形式化描述,提出了基于Ontology的态势估计研究方法,利用本体的扩展使得态势信息更富有语义,从而提高推理阶段的效率。讨论了用于促进异构数据和信息源进行信息融合以支持态势估计融合处理的本体的角色问题以及相关构建方法,为高层信息融合研究提供了新的思路及有益的理论参考。

摘要：作为一种有效表现概念层次结构和语义的模型,本体被广泛运用到信息科学的众多领域。态势估计在军事领域的意义日渐凸显,针对其智能推理的需求,将本体的知识框架和推理规则应用于态势估计系统的基础概念表示上,通过对本体及态势估计的研究,提出了自己的底层可形式化态势概念模型,综合众多的战场因素,描述组成态势的各个相关元概念和简单刻画其间的关系,并就在此基础上发展态势估计系统作了进一步探讨和展望。

摘要：现代战争环境越来越复杂,态势瞬息万变,针对战场的复杂性和信息的不确定性,迫切需要实时的、准确的信息来辅助指挥员进行决策。为此阐述了态势估计的内容和实现方法,并应用贝叶斯网络技术建立了态势估计模型,对当前战场态势进行了初步评估,通过对已建立的网络模型进行态势推理,演示了应用贝叶斯网络进行态势估计的过程,为直升机任务效能评估系统提供了有利高效的估计结果,为指挥者提供了有效的决策信息。

摘要：提出了一种基于"认识-预测-验证"闭环过程的面向态势估计的规划识别框架(SAOPR),并研究了相应的实现方法.首先研究了闭环机制在态势估计之对应流程,针对该流程以及态势估计背景,定义了若干基本态势元素的概念和SAOPR的体系结构,描述了该问题的规划识别求解算法.设计和实现了SAOPR的规划识别知识模型,在态势评估系统中有着良好的应用前景.

摘要：为了更好地解决态势估计(Situation Assessment,SA)问题,对近十几年涉及到态势估计的文献所述方法进行总结。通过阐明各类算法的原理,指出算法具备的优缺点,结合国外设计SA系统的经验及原则,讨论了各类算法应用于SA系统的可行性及难点。与国外研究现状相比,分析了差距产生的原因,并给出了开发此类系统所需满足的相关功能。最后对态势估计研究进行了展望。

摘要：目标分群是海上态势生成中态势估计的核心问题之一,针对已有的海战场中目标分群算法的不足,提出了一种基于Louvain算法的多目标层次化分群方法。文中对目标分群问题进行了形式化描述,分析了在执行不同层次分群操作时所应考虑的因素,设计了适当的目标间距离度量标准,给出了层次化分群算法的理论方法及实现流程,并对群参数的更新方法进行了详细说明。最后,通过仿真实验对方法的有效性进行了验证。

摘要：陆战场上的多个机动兵力集群在某些情况下可能出现队形相互交错的情况,运用传统的基于实体空间信息的聚类算法(如K-means算法)进行实体目标分群时效果不理想。通过对实体空间信息进行分析与处理,提出了一种基于改进的K-means算法的陆战场机动目标分群方法,重新设计了用于K-means算法的距离度量函数,引入模块度的概念,实现了k值的自适应选取,通过实验验证了该方法对呈较复杂分布的陆战场机动目标进行分群的合理性。