基于数据优化权重综合加权目标动态威胁评估方法及系统技术方案

本公开是关于一种基于数据优化权重综合加权目标动态威胁评估方法，包括针对特定的目标威胁，获取目标威胁中的多个评估指标，并对多个评估指标进行处理，得到规范化决策矩阵；结合规范化决策矩阵，构建主观权重优化模型和客观权重优化模型，分别对主观权重优化模型和客观权重优化模型进行求解，分别得到主观权重和客观权重，并对主观权重和客观权重进行处理，得到综合权重；利用综合权重和规范化决策矩阵对目标威胁进行动态评估，得到目标威胁的动态评估结果。本公开能够实现了对目标威胁的动态排序，有效的解决了现有目标威胁评估在实现过程中出现的泛化能力不强和研究不充分的问题，为指挥和决策提供了有力支持。为指挥和决策提供了有力支持。为指挥和决策提供了有力支持。

【技术实现步骤摘要】
基于数据优化权重综合加权目标动态威胁评估方法及系统


[0001]本公开属于信息融合
，具体涉及目标威胁评估
，尤其涉及一种基于数据优化权重综合加权目标动态威胁评估方法及系统。

技术介绍

[0002]目标威胁评估是指根据敌我双方的态势推断敌方对我方的威胁程度，为指挥员的决策和指挥提供支持。这是指挥员作战决策的重要依据，是信息融合的重要研究内容。从评估对象来看，主要有空中目标、地面目标、辐射源目标和群目标等；从威胁评估方法来看，主要有基于多属性决策理论的评估、基于模糊神经网络的评估、基于Bayes网络的评估、粗糙集、云模型理论和区间数法等。由于多属性决策理论综合考虑了目标威胁中的多个因素，能够全面反映多因素对评估的影响，现已成为威胁评估领域的研究与应用热点。
[0003]在基于多属性决策理论的目标威胁评估中，主要关注四类问题：第一、目标威胁评估指标的选择和评估指标数据的表示形式。以空中目标威胁评估指标为例，可以包括目标速度、距离、加速度、方位、高度、航向、目标类型、电子干扰和攻击企图等；而评估指标数据的表示形式有实数、模糊数、区间数和语言变量等多种形式；第二、各指标的权重设置的合理性。一般有主观权重法、客观权重法以及主客观结合的方法；第三、目标威胁排序结果的获取方法。一般有算子加权法、逼近理想解排序法和占优决策法等；第四、动态威胁评估中对当前时刻和历史时刻数据的综合考虑。
[0004]但在实际实现过程中，传统的主客观结合的方法虽然综合考虑了主观和客观因素，但在求取主观权重和客观权重的方法较为单一，没有充分挖掘数据的价值，泛化能力不强；并且在目前技术中，考虑单一时刻静态的威胁评估的研究较多，但对动态威胁评估的研究不充分，无法有效反映复杂多变的战场态势中的目标威胁程度的变化。因此，有必要对上述相关技术方案中存在的一个或者多个问题进行改善。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0006]本公开实施例第一方面提供一种基于数据优化权重综合加权目标动态威胁评估方法，该方法包括以下步骤：
[0007]针对特定的目标威胁，获取所述目标威胁中的多个评估指标，并对多个所述评估指标进行处理，得到规范化决策矩阵；
[0008]结合所述规范化决策矩阵，构建主观权重优化模型和客观权重优化模型，分别对所述主观权重优化模型和所述客观权重优化模型进行求解，分别得到主观权重和客观权重，并对所述主观权重和所述客观权重进行处理，得到综合权重；
[0009]利用所述综合权重和所述规范化决策矩阵对所述目标威胁进行动态评估，得到所述目标威胁的动态评估结果。
[0010]本公开的一示例性实施例中，所述针对特定的目标威胁，获取所述目标威胁中的多个评估指标，并对多个所述评估指标进行处理，得到规范化决策矩阵的步骤包括：
[0011]针对特定的目标威胁，通过传感器网络或指挥系统获取多个所述评估指标；
[0012]从所述目标威胁的类型、干扰能力和杀伤能力方面分别对多个所述评估指标进行量化处理，得到多个量化评估指标；
[0013]利用最小方差法对多个所述量化评估指标分别进行优化处理，得到多个优化评估指标；
[0014]利用模糊隶属函数对多个所述优化评估指标进行规范化处理，得到规范化决策矩阵。
[0015]本公开的一示例性实施例中，在所述利用最小方差法对多个所述量化评估指标进行优化处理，得到多个优化评估指标的步骤中，所述优化评估指标的表达式包括：
[0016][0017]其中，s
j
表示第j项优化评估指标，表示第j项优化评估指标，表示所有目标威胁的第j项评估指标的均值，x
ij
表示第i个目标威胁的第j项评估指标的值；n表示目标威胁的数量；若s
k
≈0(≤α),1≤k≤m,α，则x
k
可以剔除；x
k
表示第k项评估指标的值；
[0018]在所述利用模糊隶属函数对多个所述优化评估指标进行规范化处理，得到规范化决策矩阵的步骤中，
[0019]所述模糊隶属函数的表达式包括：
[0020][0021]其中，x
s
表示模糊隶属函数；f
s
表示评估指标，m
s
≤f
s
≤M
s
，m
s
表示最小值，M
s
表示最大值，f表示理想的适中值；
[0022]所述规范化决策矩阵的表达式包括：
[0023]X＝(x
ij
)
n
×
m
ꢀꢀꢀ
(3)
[0024]其中，n
×
m表示n行m列规范化决策矩阵。
[0025]本公开的一示例性实施例中，所述结合所述规范化决策矩阵，构建主观权重优化模型和客观权重优化模型，分别对所述主观权重优化模型和所述客观权重优化模型进行求解，分别得到主观权重和所述客观权重，并对所述主观权重和客观权重进行处理，得到综合权重的步骤包括：
[0026]构建所述主观权重优化模型，并对所述主观权重优化模型进行求解，得到主观权重；
[0027]依据所述目标威胁与正负理想目标的总偏差，以及极大熵原理构建所述客观权重优化模型，并对所述客观权重优化模型进行求解，得到客观权重；
[0028]利用线性加权法对所述主观权重和所述客观权重进行处理，得到综合权重。
[0029]本公开的一示例性实施例中，所述构建所述主观权重优化模型，并对所述主观权重优化模型进行求解，得到主观权重的步骤包括：
[0030]从专家库中确定专家组，计算所述专家组中每个专家的重要度；计算所述专家组中每个专家的重要度的表达式包括：
[0031][0032]其中，b
i
表示第i个专家的重要度；z
i
表示第i个专家符合实际的威胁评估测试的次数；Z表示威胁评估测试的总数；p表示专家的数量；
[0033]每个所述专家分别对所述评估指标进行主观评价，并利用网络层次分析法分别求取每个所述专家对应的初始指标权重
[0034]根据每个所述专家的重要度和每个所述专家对应的所述初始指标权重，计算所述专家组对所述评估指标的偏好度，并利用海明距离，建立主观权重优化模型；
[0035]计算所述专家组对所述评估指标偏好度的表达式包括：
[0036][0037]其中，d
i
表示专家组对第i个评估指标的偏好度；表示第q个专家对第j个评估指标的初始指标权重；k
q
表示解耦后的专家的重要度；x
ij
表示第i个目标威胁的第j项评估指标的观测值；q表示第q个专家；
[0038]所述主观权重优化模型的表达式包括：
[0039][004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据优化权重综合加权目标动态威胁评估方法，其特征在于，包括：针对特定的目标威胁，获取所述目标威胁中的多个评估指标，并对多个所述评估指标进行处理，得到规范化决策矩阵；结合所述规范化决策矩阵，构建主观权重优化模型和客观权重优化模型，分别对所述主观权重优化模型和所述客观权重优化模型进行求解，分别得到主观权重和客观权重，并对所述主观权重和所述客观权重进行处理，得到综合权重；利用所述综合权重和所述规范化决策矩阵对所述目标威胁进行动态评估，得到所述目标威胁的动态评估结果。2.根据权利要求1所述基于数据优化权重综合加权目标动态威胁评估方法，其特征在于，所述针对特定的目标威胁，获取所述目标威胁中的多个评估指标，并对多个所述评估指标进行处理，得到规范化决策矩阵的步骤包括：针对特定的目标威胁，通过传感器网络或指挥系统获取多个所述评估指标；从所述目标威胁的类型、干扰能力和杀伤能力方面分别对多个所述评估指标进行量化处理，得到多个量化评估指标；利用最小方差法对多个所述量化评估指标分别进行优化处理，得到多个优化评估指标；利用模糊隶属函数对多个所述优化评估指标进行规范化处理，得到规范化决策矩阵。3.根据权利要求2所述基于数据优化权重综合加权目标动态威胁评估方法，其特征在于，在所述利用最小方差法对多个所述量化评估指标进行优化处理，得到多个优化评估指标的步骤中，所述优化评估指标的表达式包括：其中，s
j
表示第j项优化评估指标，表示第j项优化评估指标，表示所有目标威胁的第j项评估指标的均值，x
ij
表示第i个目标威胁的第j项评估指标的值；n表示目标威胁的数量；若s
k
≈0(≤α),1≤k≤m,α，则x
k
可以剔除；x
k
表示第k项评估指标的值；在所述利用模糊隶属函数对多个所述优化评估指标进行规范化处理，得到规范化决策矩阵的步骤中，所述模糊隶属函数的表达式包括：其中，x
s
表示模糊隶属函数；f
s
表示评估指标，m
s
≤f
s
≤M
s
，m
s
表示最小值，M
s
表示最大值，f表示理想的适中值；
所述规范化决策矩阵的表达式包括：X＝(x
ij
)
n
×
m
ꢀꢀꢀꢀꢀ
(3)其中，n
×
m表示n行m列规范化决策矩阵。4.根据权利要求1所述基于数据优化权重综合加权目标动态威胁评估方法，其特征在于，所述结合所述规范化决策矩阵，构建主观权重优化模型和客观权重优化模型，分别对所述主观权重优化模型和所述客观权重优化模型进行求解，分别得到主观权重和所述客观权重，并对所述主观权重和客观权重进行处理，得到综合权重的步骤包括：构建所述主观权重优化模型，并对所述主观权重优化模型进行求解，得到主观权重；依据所述目标威胁与正负理想目标的总偏差，以及极大熵原理构建所述客观权重优化模型，并对所述客观权重优化模型进行求解，得到客观权重；利用线性加权法对所述主观权重和所述客观权重进行处理，得到综合权重。5.根据权利要求4所述基于数据优化权重综合加权目标动态威胁评估方法，其特征在于，所述构建所述主观权重优化模型，并对所述主观权重优化模型进行求解，得到主观权重的步骤包括：从专家库中确定专家组，计算所述专家组中每个专家的重要度；计算所述专家组中每个专家的重要度的表达式包括：其中，b
i
表示第i个专家的重要度；z
i
表示第i个专家符合实际的威胁评估测试的次数；Z表示威胁评估测试的总数；p表示专家的数量；每个所述专家分别对所述评估指标进行主观评价，并利用网络层次分析法分别求取每个所述专家对应的初始指标权重根据每个所述专家的重要度和每个所述专家对应的所述初始指标权重，计算所述专家组对所述评估指标的偏好度，并利用海明距离，建立主观权重优化模型；计算所述专家组对所述评估指标偏好度的表达式包括：其中，d
i
表示专家组对第i个评估指标的偏好度；表示第q个专家对第j个评估指标的初始指标权重；k
q
表示解耦后的专家的重要度；x
ij
表示第i个目标威胁的第j项评估指标的观测值；q表示第q个专家；所述主观权重优化模型的表达式包括：其中，d
i
表示专家组对第i个评估指标的偏好度；s.t.表示“约束于”的意思；w
j
表示第j个评估指标的初始指标权重；d(X,Y)表示海明距离；F1表示主观权重优化模型；m表示评估
指标的数量；n表示目标威胁的数量；对所述主观权重优化模型F1进行最小化处理，得到minF1；构造Lagrange函数，并利用Lagrange条件极值法对所述主观权重优化模型进行求解，得到所述主观权重；所述Lagrange函数的表达式包括：其中，F1表示主观权重优化模型；λ表示拉格朗日乘数法算子；w
j
表示第j个评估指标的初始指标权重；利用所述主观权重的表达式包括：其中，表示主观权重；
‑
1表示倒数；d表示偏好度。6.根据权利要求5所述基于数据优化权重综合加权目标动态威胁评估方法，其特征在于，所述依据所述目标...

【专利技术属性】
技术研发人员：高杨，高维廷，段磊，黄仰超，康巧燕，王焱，胡航，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：