System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及态势感知,特别是涉及一种多界面任务下人员态势增强评价方法、系统及设备。
技术介绍
1、不同于只关注局部态势感知的一般操作人员,人员的态势感知需要涉及更多的维度、更深的层次、更快的响应、更强的综合能力。这是因为人员需要从来自底层操作人员多任务界面的大量复杂信息中,提取当前任务有用的信息,动态理解多源信息间的关联,推理预测事件的趋势与变化。人员拥有良好的态势感知能力,有助于提高任务效率并增强综合决策。因此,增强人员的态势感知能力是完成任务的基础,而如何多维度测量人员态势感知的增强则是更关键的问题。
2、测量一般操作人员态势感知的常用方法有以冻结探查技术为代表的主观测量法、以任务行为表现为主的客观测量法、以生理监测为主的间接测量法、以人的信息加工为基础的理论建模法。
3、对于人员来说,影响其态势感知增强的因素有很多,现有技术中一方面缺少对人员态势感知全方位评估的综合技术,另一方面缺少对指挥人员态势感知能力增强影响的定量计算系统。
技术实现思路
1、本专利技术实施例的目的是提供一种多界面任务下人员态势增强评价方法、系统及设备,以实现对人员态势感知全方位评估,以及,实现对指挥人员态势感知能力增强影响的定量预测。
2、为实现上述目的,本专利技术实施例提供了如下方案:
3、一种多界面任务下人员态势增强评价方法,包括:
4、获取态势感知相关资料文献并对影响态势感知的关键因素进行需求分析;采用德尔菲方法构建人员态势感知增强综合
5、将所述人员态势感知增强综合评价指标结果输入模糊决策与试验评价模型,得到人员态势感知增强综合评价指标结果的直接影响与综合影响;
6、根据所述直接影响与综合影响,得到指标原因度与中心度;根据所述指标原因度与中心度,得到筛选与优化后的关键指标;
7、采用多维显著性特征法对所述筛选与优化后的关键指标进行定量计算,得到不同试验工况下关键指标的权重系数与相对变化幅度;
8、根据所述不同试验工况下关键指标的权重系数与相对变化幅度,得到人员态势感知增强的综合贡献率;所述综合贡献率用于表征所述多界面任务下人员态势增强评价结果。
9、可选地,所述采用德尔菲方法构建人员态势感知增强综合评价指标模型,具体包括:
10、确定人员态势感知的关键影响因素;所述键影响因素包括:态势感知能力、任务执行能力、交互操作性和生理状态;
11、根据所述人员态势感知的关键影响因素,得到指标体系调研数据;
12、对所述指标体系调研数据进行预处理,得到预处理结果;若所述预处理结果合理,则进行指标体系调研数据第二次处理;若所述预处理结果不合理,则重新获取指标体系调研数据;
13、对第二次处理合格的指标体系调研数据进行一致性检验,得到检验结果;若检验结果通过,则得到所述人员态势感知增强综合评价指标模型;若检验结果不通过,则需要重新确定人员态势感知的关键影响因素。
14、可选地,将所述人员态势感知增强综合评价指标结果输入模糊决策与试验评价模型,得到人员态势感知增强综合评价指标结果的直接影响与综合影响,具体包括:
15、对所述人员态势感知增强综合评价指标结果进行模糊化处理,得到各指标间影响大小打分结果的语义变量矩阵;
16、对所述语义变量进行矩阵模糊运算,得到直接影响矩阵;
17、对所述直接影响矩阵进行规范化,得到规范化直接影响矩阵;
18、根据所述规范化直接影响矩阵,得到综合影响矩阵;所述综合影响矩阵用于表征所述直接影响与综合影响。
19、可选地,根据所述直接影响与综合影响,得到指标原因度与中心度,具体包括:
20、根据所述综合影响矩阵,得到影响度、被影响度、中心度和原因度;
21、根据所述影响度、被影响度、中心度和原因度,得到去模糊的中心度和去模糊的原因度;
22、所述去模糊的中心度表征所述中心度;所述去模糊的原因度表征所述指标原因度。
23、可选地,采用多维显著性特征法对所述筛选与优化后的关键指标进行定量计算,得到不同试验工况下关键指标的权重系数与相对变化幅度,具体包括:
24、将所述筛选与优化后的关键指标划分为正向参数和反向参数;其中,正向参数是指取值越大对目标贡献度越大的参数,反向参数是指取值越大对目标贡献度越小的参数;之后,采用极值标准化方法对所述正向参数和反向参数进行归一化处理,得到归一化的正向参数和反向参数;
25、利用广义加性混合模型对所述归一化的正向参数和反向参数进行统计分析,判定归一化的正向参数和反向参数是否存在显著性差异;
26、若存在显著性差异,所述相对变化幅度为广义加性混合模型的固定效应与固定借据的比值;
27、若不存在显著差异,所述相对变化幅度为0。
28、可选地,根据所述相对变化幅度计算二级指标的相对变化幅度,具体包括:
29、根据所述去模糊的中心度和去模糊的原因度,得到二级指标的欧几里得距离占比;
30、将所述二级指标的欧几里得距离占比、所述权重系数与所述相对变化幅度进行耦合,得到所述二级指标的相对变化幅度。
31、为实现上述目的,本专利技术实施例还提供了如下方案:
32、一种多界面任务下人员态势增强评价系统,包括:
33、人员态势感知增强综合评价指标模块,用于:
34、获取态势感知相关资料文献并对影响态势感知的关键因素进行需求分析;
35、采用德尔菲方法构建人员态势感知增强综合评价指标模型;
36、将所述态势感知相关资料文献输入所述人员态势感知增强综合评价指标模型,得到人员态势感知增强综合评价指标结果;
37、模糊决策与试验评价模块,与所述人员态势感知增强综合评价指标模块连接,用于:
38、将所述人员态势感知增强综合评价指标结果输入模糊决策与试验评价模型,得到人员态势感知增强综合评价指标结果的直接影响与综合影响;
39、根据所述直接影响与综合影响,得到指标原因度与中心度;根据所述指标原因度与中心度,得到筛选与优化后的关键指标;
40、多维显著性特征提取模块,与所述模糊决策与试验评价模块连接,用于:
41、采用多维显著性特征法对所述筛选与优化后的关键指标进行定量计算,得到不同试验工况下关键指标的权重系数与相对变化幅度;
42、输出模块,与所述多维显著性特征提取模块连接,用于根据所述不同试验工况下关键指标的权重系数与相对变化幅度,得到人员态势感知增强的综合贡献率;所述综合贡献率用于表征所述多界面任务下人员态势增强评价结果。
43、一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在本文档来自技高网...
【技术保护点】
1.一种多界面任务下人员态势增强评价方法,其特征在于,包括:
2.根据权利要求1所述的多界面任务下人员态势增强评价方法,其特征在于,所述采用德尔菲方法构建人员态势感知增强综合评价指标模型,具体包括:
3.根据权利要求1所述的多界面任务下人员态势增强评价方法,其特征在于,将所述人员态势感知增强综合评价指标结果输入模糊决策与试验评价模型,得到人员态势感知增强综合评价指标结果的直接影响与综合影响,具体包括:
4.根据权利要求3所述的多界面任务下人员态势增强评价方法,其特征在于,根据所述直接影响与综合影响,得到指标原因度与中心度,具体包括:
5.根据权利要求4所述的多界面任务下人员态势增强评价方法,其特征在于,采用多维显著性特征法对所述筛选与优化后的关键指标进行定量计算,得到不同试验工况下关键指标的权重系数与相对变化幅度,具体包括:
6.根据权利要求5所述的多界面任务下人员态势增强评价方法,其特征在于,根据所述相对变化幅度计算二级指标的相对变化幅度,具体包括:
7.一种多界面任务下人员态势增强评价系统,其特征在于,包
8.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6中所述的多界面任务下人员态势增强评价方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1-6所述的多界面任务下人员态势增强评价方法。
...【技术特征摘要】
1.一种多界面任务下人员态势增强评价方法,其特征在于,包括:
2.根据权利要求1所述的多界面任务下人员态势增强评价方法,其特征在于,所述采用德尔菲方法构建人员态势感知增强综合评价指标模型,具体包括:
3.根据权利要求1所述的多界面任务下人员态势增强评价方法,其特征在于,将所述人员态势感知增强综合评价指标结果输入模糊决策与试验评价模型,得到人员态势感知增强综合评价指标结果的直接影响与综合影响,具体包括:
4.根据权利要求3所述的多界面任务下人员态势增强评价方法,其特征在于,根据所述直接影响与综合影响,得到指标原因度与中心度,具体包括:
5.根据权利要求4所述的多界面任务下人员态势增强评价方法,其特征在于,采用多维显著性特征法对所述筛选...
【专利技术属性】
技术研发人员:庞丽萍,樊煜熔,李宁,苗丹,王鑫,廖镇,周拓阳,傅得强,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。