军工行业宏观质量水平评估方法及其系统技术方案

本申请公开了一种军工行业宏观质量水平评估方法及其系统，其首先将获取的陆军军工质量数据、海军军工质量数据、空军军工质量数据、火箭军军工质量数据、战略支援部队军工质量数据、联勤保障部队军工质量数据和预备役部队军工质量数据中的所有数据项分别排列为输入向量后通过具有多个全连接层的特征编码器，然后，以预分类思想确定各个军工质量特征的影响权重，最后，以双向长短期记忆神经网络模型来挖掘各个军工质量特征之间的高维语义关联特征，并通过分类器来进行主题标签标注。这样，基于大数据和人工智能，全面、科学、真实地反映我国军工行业宏观质量水平。国军工行业宏观质量水平。国军工行业宏观质量水平。

【技术实现步骤摘要】
军工行业宏观质量水平评估方法及其系统


[0001]本申请涉及智能质量评估
，且更为具体地，涉及一种军工行业宏观质量水平评估方法及其系统。

技术介绍

[0002]对于军工行业来说，质量是决定国防力量的关键，尤其在当前各国军备竞赛愈演愈烈的大背景下，军工行业总体质量的高低决定了装备的竞争力强弱。因此，提高军工行业宏观质量是各国提升装备产品竞争力、保障国防实力的重要要求，而对军工行业宏观质量进行全面、客观的评价是增强军工行业宏观质量的核心内容。
[0003]传统军工行业质量水平检测一般为军工厂或者军工使用部队独立检测进行，数据的分析具有很强的片面性，费时费力，且无法从宏观角度上对军工行业产品质量进行分析。也就是，缺乏一个能够系统、全面、科学、真实地反映我国军工行业宏观质量水平的评估方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种军工行业宏观质量水平评估方法及其系统，其首先将获取的陆军军工质量数据、海军军工质量数据、空军军工质量数据、火箭军军工质量数据、战略支援部队军工质量数据、联勤保障部队军工质量数据和预备役部队军工质量数据中的所有数据项分别排列为输入向量后通过具有多个全连接层的特征编码器，然后，以预分类思想确定各个军工质量特征的影响权重，最后，以双向长短期记忆神经网络模型来挖掘各个军工质量特征之间的高维语义关联特征，并通过分类器来进行主题标签标注。通过这样的方式，系统、全面、科学、真实地反映我国军工行业宏观质量水平。
[0005]根据本申请的一个方面，提供了一种军工行业宏观质量水平评估方法，其包括：数据采集步骤：获取陆军军工质量数据、海军军工质量数据、空军军工质量数据、火箭军军工质量数据、战略支援部队军工质量数据、联勤保障部队军工质量数据和预备役部队军工质量数据；各部队质量特征提取步骤：将所述陆军军工质量数据、所述海军军工质量数据、所述空军军工质量数据、所述火箭军军工质量数据、所述战略支援部队军工质量数据、所述联勤保障部队军工质量数据和所述预备役部队军工质量数据中的所有数据项分别排列为输入向量后通过具有多个全连接层的特征编码器以得到陆军军工质量特征向量、海军军工质量特征向量、空军军工质量特征向量、火箭军军工质量特征向量、战略支援部队军工质量特征向量、联勤保障部队军工质量特征向量和预备役部队军工质量特征向量；权值生成步骤：将所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量分别通过权值生成器以得到第一至第七权重值；加权步骤：以所述第一至第七权重值对所述陆军军工质量特征向量、所述海
军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量进行加权以得到加权后陆军军工质量特征向量、加权后海军军工质量特征向量、加权后空军军工质量特征向量、加权后火箭军军工质量特征向量、加权后战略支援部队军工质量特征向量、加权后联勤保障部队军工质量特征向量和加权后预备役部队军工质量特征向量；上下文语义编码步骤：将所述加权后陆军军工质量特征向量、所述加权后海军军工质量特征向量、所述加权后空军军工质量特征向量、所述加权后火箭军军工质量特征向量、所述加权后战略支援部队军工质量特征向量、所述加权后联勤保障部队军工质量特征向量和所述加权后预备役部队军工质量特征向量排列为向量的序列后通过双向长短期记忆神经网络模型以得到质量语义关联特征向量；校正步骤：基于所述质量语义关联特征向量中所有位置的特征值集合的均值的倒数，对所述质量语义关联特征向量进行相位感知的向量按位置聚合以得到校正后质量语义关联特征向量；以及评估结果生成步骤：将所述校正后质量语义关联特征向量通过分类器以得到分类结果，所述分类结果为军工行业宏观质量水平的等级标签。
[0006]根据本申请的另一方面，提供了一种军工行业宏观质量水平评估系统，其包括：数据采集模块，用于获取陆军军工质量数据、海军军工质量数据、空军军工质量数据、火箭军军工质量数据、战略支援部队军工质量数据、联勤保障部队军工质量数据和预备役部队军工质量数据；各部队质量特征提取模块，用于将所述陆军军工质量数据、所述海军军工质量数据、所述空军军工质量数据、所述火箭军军工质量数据、所述战略支援部队军工质量数据、所述联勤保障部队军工质量数据和所述预备役部队军工质量数据中的所有数据项分别排列为输入向量后通过具有多个全连接层的特征编码器以得到陆军军工质量特征向量、海军军工质量特征向量、空军军工质量特征向量、火箭军军工质量特征向量、战略支援部队军工质量特征向量、联勤保障部队军工质量特征向量和预备役部队军工质量特征向量；权值生成模块，用于将所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量分别通过权值生成器以得到第一至第七权重值；加权模块，用于以所述第一至第七权重值对所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量进行加权以得到加权后陆军军工质量特征向量、加权后海军军工质量特征向量、加权后空军军工质量特征向量、加权后火箭军军工质量特征向量、加权后战略支援部队军工质量特征向量、加权后联勤保障部队军工质量特征向量和加权后预备役部队军工质量特征向量；上下文语义编码模块，用于将所述加权后陆军军工质量特征向量、所述加权后海军军工质量特征向量、所述加权后空军军工质量特征向量、所述加权后火箭军军工质量特征向量、所述加权后战略支援部队军工质量特征向量、所述加权后联勤保障部队军工质量特征向量和所述加权后预备役部队军工质量特征向量排列为向量的序列后通过双向长短期记忆神经网络模型以得到质量语义关联特征向量；校正模块，用于基于所述质量语义关联特征向量中所有位置的特征值集合的均值的倒数，对所述质量语义关联特征向量进行相位感知的向量按位置聚合以得到校正后质量语义关联特征向量；
以及评估结果生成模块，用于将所述校正后质量语义关联特征向量通过分类器以得到分类结果，所述分类结果为军工行业宏观质量水平的等级标签。
[0007]与现有技术相比，本申请提供的军工行业宏观质量水平评估方法及其系统，其首先将获取的陆军军工质量数据、海军军工质量数据、空军军工质量数据、火箭军军工质量数据、战略支援部队军工质量数据、联勤保障部队军工质量数据和预备役部队军工质量数据中的所有数据项分别排列为输入向量后通过具有多个全连接层的特征编码器，然后，以预分类思想确定各个军工质量特征的影响权重，最后，以双向长短期记忆神经网络模型来挖掘各个军工质量特征之间的高维语义关联特征，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种军工行业宏观质量水平评估方法，其特征在于，包括：数据采集步骤：获取陆军军工质量数据、海军军工质量数据、空军军工质量数据、火箭军军工质量数据、战略支援部队军工质量数据、联勤保障部队军工质量数据和预备役部队军工质量数据；各部队质量特征提取步骤：将所述陆军军工质量数据、所述海军军工质量数据、所述空军军工质量数据、所述火箭军军工质量数据、所述战略支援部队军工质量数据、所述联勤保障部队军工质量数据和所述预备役部队军工质量数据中的所有数据项分别排列为输入向量后通过具有多个全连接层的特征编码器以得到陆军军工质量特征向量、海军军工质量特征向量、空军军工质量特征向量、火箭军军工质量特征向量、战略支援部队军工质量特征向量、联勤保障部队军工质量特征向量和预备役部队军工质量特征向量；权值生成步骤：将所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量分别通过权值生成器以得到第一至第七权重值；加权步骤：以所述第一至第七权重值对所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量进行加权以得到加权后陆军军工质量特征向量、加权后海军军工质量特征向量、加权后空军军工质量特征向量、加权后火箭军军工质量特征向量、加权后战略支援部队军工质量特征向量、加权后联勤保障部队军工质量特征向量和加权后预备役部队军工质量特征向量；上下文语义编码步骤：将所述加权后陆军军工质量特征向量、所述加权后海军军工质量特征向量、所述加权后空军军工质量特征向量、所述加权后火箭军军工质量特征向量、所述加权后战略支援部队军工质量特征向量、所述加权后联勤保障部队军工质量特征向量和所述加权后预备役部队军工质量特征向量排列为向量的序列后通过双向长短期记忆神经网络模型以得到质量语义关联特征向量；校正步骤：基于所述质量语义关联特征向量中所有位置的特征值集合的均值的倒数，对所述质量语义关联特征向量进行相位感知的向量按位置聚合以得到校正后质量语义关联特征向量；以及评估结果生成步骤：将所述校正后质量语义关联特征向量通过分类器以得到分类结果，所述分类结果为军工行业宏观质量水平的等级标签。2.根据权利要求1所述的军工行业宏观质量水平评估方法，其特征在于，所述各部队质量特征提取步骤，包括：向量构造子步骤：将所述陆军军工质量数据、所述海军军工质量数据、所述空军军工质量数据、所述火箭军军工质量数据、所述战略支援部队军工质量数据、所述联勤保障部队军工质量数据和所述预备役部队军工质量数据中的所有数据项分别排列为输入向量以得到第一至第七输入向量；以及全连接编码子步骤：使用所述具有多个全连接层的特征编码器以如下公式对所述第一至第七输入向量中各个输入向量进行全连接编码以得到所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量；其中，所述公式为：，表示全连接函数，到为权重矩阵，到为偏置向量，为所述第一至第七输入向量中各个输入向量。
3.根据权利要求2所述的军工行业宏观质量水平评估方法，其特征在于，所述权值生成步骤，包括：将所述陆军军工质量特征向量、所述海军军工质量特征向量、所述空军军工质量特征向量、所述火箭军军工质量特征向量、所述战略支援部队军工质量特征向量、所述联勤保障部队军工质量特征向量和所述预备役部队军工质量特征向量分别通过所述权值生成器的Softmax分类函数以得到第一至第七概率值作为所述第一至第七权重值，其中，所述第一至第七权重值之和为一。4.根据权利要求3所述的军工行业宏观质量水平评估方法，其特征在于，所述校正步骤，包括：以如下公式对所述质量语义特征关联向量进行相位感知的向量按位置聚合以得到所述校正后质量语义关联特征向量，其中，所述公式为：其中，为所述质量语义特征关联向量，为所述校正后质量语义关联特征向量，是所述质量语义特征关联向量的所有位置的特征值的均值的倒数，表示按位置点乘。5.根据权利要求4所述的军工行业宏观质量水平评估方法，其特征在于，所述评估结果生成步骤，包括：使用所述分类器以如下公式对所述校正后质量语义关联特征向量进行处理以获得所述分类结果，其中，所述公式为：，其中，到为权重矩阵，到为偏置向量，为所述校正后质量语义关联特征向量。6.根据权利要求1所述的军工行业宏观质量水平评估方法，其特征在于，所述陆军军工质量数据、所述海...

【专利技术属性】
技术研发人员：张峰，严真旭，赵亿锌，田林涛，张斌，陆平，张春宇，廖大中，
申请(专利权)人：中国信息通信研究院，
类型：发明
国别省市：