基于深度神经网络的用户群组评估方法和系统技术方案

本发明专利技术属于数据评估技术领域，提供一种基于深度神经网络的用户群组评估方法和系统

【技术实现步骤摘要】
基于深度神经网络的用户群组评估方法和系统


[0001]本专利技术涉及数据处理
，尤其涉及一种基于深度神经网络的用户群组评估方法和系统
。

技术介绍

[0002]团队对抗力是任务团队在特定约束条件下达成防御目的的本领或能力
。
对抗力作为团队的固有能力，一般不随具体演习训练过程和演习训练态势的动态演进而变化，相反，对抗力由团队的体制编制
、
演习训练
、
防御部署等相对静态要素决定
。
对抗力存在强弱之分，其衡量尺度称为对抗力指数，它是对抗力在实数空间的一种精确表示，借助该指数，可以实现团队对抗力的量化计算
。
因此，对抗力指数的准确计算，在防御方预案拟制
、
对抗力结构优化
、
军事理论研究等领域具有重要的应用价值
。
目前，计算团队对抗力指数计算存在一些经典方法，如杜派指数
、
邓尼根指数和幂指数等方法，这些方法均采用还原论思想，通过团队各组成要素与对抗力指数的线性加总得出团队对抗力指数
。
现有方法虽简单直观，但却未体现信息化的复杂本质，尤其是忽略了体系训练过程中对抗力的重要影响
。
此外，如何对体系训练的团队对抗力进行准确而快速的评估，是当前需要解决的问题
。
[0003]然而，每个训练基地每场演习训练都会存在大量的原始数据积累，这些数据大部分都是用于实时态势显示，而这些数据大多都使用了基地自己定义的数据结构和数据集，统一这些数据结构困难，缺少后期处理和分析，导致这些数据难以支撑演习训练任务的预测评估，预测评估在没有数据的支撑下，无法客观准确的反应团队实际对抗能力，增加了演习训练成本，也成为提高团队防御能力的瓶颈
。
此外，演习训练任务的对抗能力或防御能力相关数据应用
、
对抗能力或防御能力预测的精度等多方面仍存在很大改进空间
。
[0004]因此，有必要提供一种基于深度神经网络的用户群组评估方法，以解决上述问题
。

技术实现思路

[0005]本专利技术意在提供一种基于深度神经网络的用户群组评估方法和系统，以解决现有技术中各训练基地每场演习训练相关数据的数据结构多样化
、
不易统一，因该类数据缺少后期处理和分析导致这类数据难以用于演习训练任务的预测评估，现有方法无法客观准确评估各团队的实际对抗能力或防御能力，还增加了演习训练成本等的技术问题，本专利技术要解决的技术问题通过以下技术方案来实现
。
[0006]本专利技术第一方面提出一种基于深度神经网络的用户群组评估方法，包括：基于历史用户群组的演习数据样本，建立评估数据字典；根据所述评估数据字典
、
历史用户群组的评估结果，建立训练数据集；基于深度神经网络，构建用户群组评估模型，使用所述训练数据集训练所述用户群组评估模型；根据所述评估数据字典，确定待评估用户群组的多项评估参数，并生成与各评估参数相对应的输入矩阵；将所述待评估用户群组的输入矩阵输入训练好的用户群组评估模型，评估所述待评估用户群组的综合对抗能力
。
[0007]根据可选的实施方式，基于历史用户群组的演习数据样本，建立评估数据字典包
括：对多个基地的历史用户群组的演习训练数据，进行特征数据提取，得到以下通用数据项：演习对象
、
演习对象划分项
、
演习阶段
、
演习能力类别
、
演习能力多级划分项
、
演习目标
、
演习目标的完成情况
、
评估项
、
评估子项
、
评估指标
、
评估点；基于所述通用数据项，建立评估数据字典
。
[0008]根据可选的实施方式，对各通用数据项进行预处理，确定与各通用数据项的多级评估向量，得到与各通用数据项相对应的数据集；所述预处理包括使用计算模型将定性数据转换成定量数据
。
[0009]根据可选的实施方式，从所述通用数据项中选取一项或多项通用数据项作为评估参数，并根据各通用数据项的多级评估向量，确定各历史用户群组的评估结果，以建立训练数据集
。
[0010]根据可选的实施方式，所述使用所述训练数据集训练所述用户群组评估模型，包括：将所述评估数据字典中的每组数据的各通用数据项进行向量转换后作为深度神经网络的神经元输入，以各历史用户群组的综合对抗成绩作为模型输出，得到各通用数据项与各历史用户群组的评估结果之间的映射关系
。
[0011]根据可选的实施方式，根据预设训练次数
、
预设模型准确率，判断训练过程中的模型实际输出与模型期望输出是否一致，以确定完成所述用户群组评估模型的模型训练
。
[0012]根据可选的实施方式，所述根据所述评估数据字典，确定待评估用户群组的多项评估参数，并生成与各评估参数相对应的输入矩阵：根据待评估用户群组的标识信息，从所述评估数据字典中选取演习对象
、
演习阶段
、
演习目标
、
演习能力
、
评估项
、
评估指标
、
评估点作为评估参数，分别转换成各自对应的向量，经归一化
、
转置操作后，得到待评估用户群组的输入矩阵，其中所述输入矩阵中的每一行表示一个通用数据项所对应的神经元，每一列表示与各通用数据项对应的一组数据
。
[0013]根据可选的实施方式，将所述待评估用户群组的输入矩阵输入训练好的用户群组评估模型，输出所述待评估用户群组的对抗能力评估值
。
[0014]本专利技术第二方面提出一种用户群组评估系统，采用本专利技术第一方面所述的用户群组评估方法进行用户群组的综合对抗能力预测，包括可交互的服务端和用户端；用户端，用于用户从所述评估数据字典中选取待评估用户群组的评估参数，将所述评估参数在输入界面输入；服务端，包括调用模块，基于所述评估参数的输入，调用用户群组评估模型，输出预测结果，并将所述预测结果返回至用户端
。
[0015]根据可选的实施方式，将所述预测结果和预测计算过程，以图表和文字的方式在所述用户端的显示页面显示，其中，对多个基地的历史用户群组的演习训练数据，进行特征数据提取，得到以下通用数据项：演习对象
、
演习对象划分项
、
演习阶段
、
演习能力类别
、
演习能力多级划分项
、
演习目标
、
演习目标的完成情况
、
评估项
、
评估子项
、
评估指标
、
评估点；基于所述通用数据项，建立评估数据字典
。
[0016]本专利技术第三方面提供一种电子设备，包括：一个或多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于深度神经网络的用户群组评估方法，其特征在于，包括：基于历史用户群组的演习数据样本，建立评估数据字典；根据所述评估数据字典
、
历史用户群组的评估结果，建立训练数据集；基于深度神经网络，构建用户群组评估模型，使用所述训练数据集训练所述用户群组评估模型；根据所述评估数据字典，确定待评估用户群组的多项评估参数，并生成与各评估参数相对应的输入矩阵；将所述待评估用户群组的输入矩阵输入训练好的用户群组评估模型，评估所述待评估用户群组的综合对抗能力
。2.
根据权利要求1所述的基于深度神经网络的用户群组评估方法，其特征在于，基于历史用户群组的演习数据样本，建立评估数据字典包括：对多个基地的历史用户群组的演习训练数据，进行特征数据提取，得到以下通用数据项：演习对象
、
演习对象划分项
、
演习阶段
、
演习能力类别
、
演习能力多级划分项
、
演习目标
、
演习目标的完成情况
、
评估项
、
评估子项
、
评估指标
、
评估点；基于所述通用数据项，建立评估数据字典
。3.
根据权利要求2所述的基于深度神经网络的用户群组评估方法，其特征在于，对各通用数据项进行预处理，确定与各通用数据项的多级评估向量，得到与各通用数据项相对应的数据集；所述预处理包括使用计算模型将定性数据转换成定量数据
。4.
根据权利要求2所述的基于深度神经网络的用户群组评估方法，其特征在于，从所述通用数据项中选取一项或多项通用数据项作为评估参数，并根据各通用数据项的多级评估向量，确定各历史用户群组的评估结果，以建立训练数据集
。5.
根据权利要求2所述的基于深度神经网络的用户群组评估方法，其特征在于，所述使用所述训练数据集训练所述用户群组评估模型，包括：将所述评估数据字典中的每组数据的各通用数据项进行向量转换后作为深度神经网络的神经元输入，以各历史用户群组的综合对抗成绩作为模型输出，得到各通用数据项与各历史用户群组的评估结果之间的映射关系
。6.
根据权利要求1或5所述的基于深度神经网络的用户群组评估方法，其特征在于，根据预设训练次数
、
预设模型准确率...

【专利技术属性】
技术研发人员：崔方迪，张少鹏，李飞翔，张世永，孙晨冉，张晨光，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：