現(xiàn)代戰(zhàn)爭(zhēng)是信息的較量,在戰(zhàn)爭(zhēng)“迷霧”中,能否通過(guò)信息優(yōu)勢(shì)使指揮員準(zhǔn)確把握當(dāng)前態(tài)勢(shì),在“看”的同時(shí)達(dá)到“知”,是決定戰(zhàn)爭(zhēng)勝負(fù)的重要因素。因此,態(tài)勢(shì)評(píng)估在現(xiàn)代戰(zhàn)爭(zhēng)中有著不可替代的作用。傳統(tǒng)態(tài)勢(shì)評(píng)估的模型構(gòu)建非常依賴(lài)先驗(yàn)知識(shí)、預(yù)選參數(shù)與有監(jiān)督數(shù)據(jù),缺乏動(dòng)態(tài)更新能力。因此,近年來(lái)不少研究試圖利用關(guān)聯(lián)規(guī)則挖掘,直接從無(wú)監(jiān)督戰(zhàn)場(chǎng)事務(wù)數(shù)據(jù)中得到評(píng)估模型。然而,大部分研究對(duì)戰(zhàn)場(chǎng)數(shù)據(jù)的設(shè)想過(guò)于簡(jiǎn)單,并未考慮其復(fù)雜性。本文針對(duì)戰(zhàn)場(chǎng)數(shù)據(jù)屬性類(lèi)型多樣、規(guī)模龐大、高維度和天然失真的特點(diǎn),對(duì)面向態(tài)勢(shì)評(píng)估的關(guān)聯(lián)規(guī)則挖掘技術(shù)進(jìn)行了深入研究,具體工作如下:1.提出基于中心極限定理(CLT,Central Limit Theorem)的戰(zhàn)場(chǎng)對(duì)象間模糊關(guān)聯(lián)規(guī)則挖掘算法CLTF。CLTF能將戰(zhàn)場(chǎng)對(duì)象數(shù)據(jù)轉(zhuǎn)換為模糊事務(wù),并通過(guò)CLT對(duì)其簡(jiǎn)約,快速得到戰(zhàn)場(chǎng)對(duì)象間模糊關(guān)聯(lián)規(guī)則。CLTF主要解決兩個(gè)問(wèn)題。首先,關(guān)聯(lián)規(guī)則挖掘所需的事務(wù)數(shù)據(jù)無(wú)法在戰(zhàn)場(chǎng)中直接獲得,在把戰(zhàn)場(chǎng)半結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為事務(wù)數(shù)據(jù)的過(guò)程中,數(shù)值型屬性難以離散化;其次,大規(guī)模戰(zhàn)場(chǎng)事務(wù)數(shù)據(jù)對(duì)關(guān)聯(lián)規(guī)則挖掘的實(shí)時(shí)性構(gòu)成挑戰(zhàn)。針對(duì)這兩個(gè)問(wèn)題,CLTF在生成事務(wù)數(shù)據(jù)時(shí),利用三角隸屬度... 

【文章來(lái)源】：國(guó)防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：142 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
        1.1.1 態(tài)勢(shì)評(píng)估需求
        1.1.2 態(tài)勢(shì)評(píng)估定義
        1.1.3 態(tài)勢(shì)評(píng)估模型與關(guān)聯(lián)規(guī)則挖掘
    1.2 研究問(wèn)題的提出
        1.2.1 面向態(tài)勢(shì)評(píng)估的戰(zhàn)場(chǎng)數(shù)據(jù)來(lái)源
        1.2.2 數(shù)據(jù)來(lái)源所帶來(lái)的數(shù)據(jù)特點(diǎn)
        1.2.3 關(guān)聯(lián)規(guī)則挖掘在態(tài)勢(shì)評(píng)估中的挑戰(zhàn)
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 態(tài)勢(shì)評(píng)估研究現(xiàn)狀
        1.3.2 關(guān)聯(lián)規(guī)則挖掘技術(shù)研究現(xiàn)狀
        1.3.3 關(guān)聯(lián)規(guī)則挖掘技術(shù)在態(tài)勢(shì)評(píng)估中的應(yīng)用現(xiàn)狀
    1.4 本文主要貢獻(xiàn)
    1.5 本文主要結(jié)構(gòu)
第二章 基于CLT的戰(zhàn)場(chǎng)模糊關(guān)聯(lián)規(guī)則挖掘技術(shù)研究
    2.1 面向態(tài)勢(shì)評(píng)估的戰(zhàn)場(chǎng)數(shù)據(jù)模糊及簡(jiǎn)化需求
        2.1.1 面向態(tài)勢(shì)評(píng)估的數(shù)據(jù)離散化困難
        2.1.2 大規(guī)模數(shù)據(jù)帶來(lái)的時(shí)效性挑戰(zhàn)
        2.1.3 數(shù)據(jù)模糊化及合理簡(jiǎn)化的意義
    2.2 基礎(chǔ)理論
        2.2.1 模糊關(guān)聯(lián)規(guī)則挖掘
        2.2.2 CLT在數(shù)據(jù)挖掘中的應(yīng)用
    2.3 基于CLT的戰(zhàn)場(chǎng)對(duì)象間模糊關(guān)聯(lián)規(guī)則挖掘算法
        2.3.1 算法概要
        2.3.2 戰(zhàn)場(chǎng)模糊事務(wù)數(shù)據(jù)生成
        2.3.3 虛擬二元事務(wù)數(shù)據(jù)等價(jià)
        2.3.4 虛擬二元事務(wù)數(shù)據(jù)采樣及挖掘
    2.4 性能測(cè)試及分析
        2.4.1 實(shí)驗(yàn)準(zhǔn)備
        2.4.2 算法效率比較
        2.4.3 模糊頻繁模式可靠性比較
        2.4.4 模糊關(guān)聯(lián)規(guī)則可靠性比較
    2.5 本章小結(jié)
第三章 強(qiáng)精度保證下的戰(zhàn)場(chǎng)二元事務(wù)數(shù)據(jù)簡(jiǎn)化技術(shù)研究
    3.1 態(tài)勢(shì)評(píng)估中二元事務(wù)數(shù)據(jù)簡(jiǎn)化的強(qiáng)精度保證需求
        3.1.1 弱精度簡(jiǎn)化的不足
        3.1.2 強(qiáng)精度簡(jiǎn)化意義
    3.2 基礎(chǔ)理論
        3.2.1 關(guān)聯(lián)規(guī)則挖掘中的強(qiáng)精度保證
        3.2.2 Union界
    3.3 強(qiáng)精度保證下的數(shù)據(jù)簡(jiǎn)化任務(wù)分解
        3.3.1 強(qiáng)精度保證的定義分解
        3.3.2 簡(jiǎn)化任務(wù)分解
    3.4 基于Union界與CLT的戰(zhàn)場(chǎng)二元事務(wù)數(shù)據(jù)簡(jiǎn)化算法
        3.4.1 算法概要
        3.4.2 預(yù)采樣
        3.4.3 正式采樣
        3.4.4 事務(wù)合并
    3.5 性能測(cè)試及分析
        3.5.1 實(shí)驗(yàn)準(zhǔn)備
        3.5.2 算法效率比較
        3.5.3 頻繁模式可靠性比較
        3.5.4 關(guān)聯(lián)規(guī)則可靠性比較
    3.6 本章小結(jié)
第四章 基于改進(jìn)BPSO的戰(zhàn)場(chǎng)長(zhǎng)模式挖掘算法
    4.1 面向態(tài)勢(shì)評(píng)估的戰(zhàn)場(chǎng)數(shù)據(jù)高維性及長(zhǎng)模式挖掘需求
        4.1.1 面向態(tài)勢(shì)評(píng)估的數(shù)據(jù)高維特性
        4.1.2 戰(zhàn)場(chǎng)長(zhǎng)模式挖掘的需求與困難
        4.1.3 基于啟發(fā)式算法的長(zhǎng)模式挖掘意義
    4.2 基礎(chǔ)理論
        4.2.1 PSO算法
        4.2.2 BPSO算法
    4.3 基于改進(jìn)BPSO的戰(zhàn)場(chǎng)長(zhǎng)模式挖掘算法
        4.3.1 算法概要
        4.3.2 粒子編碼與位置更新
        4.3.3 CLT采樣下的粒子適應(yīng)度計(jì)算
        4.3.4 初始種群生成與優(yōu)化
        4.3.5 搜索空間動(dòng)態(tài)降維及粒子修正
    4.4 性能測(cè)試及分析
        4.4.1 實(shí)驗(yàn)準(zhǔn)備
        4.4.2 長(zhǎng)模式搜索能力比較
    4.5 本章小結(jié)
第五章 數(shù)據(jù)天然失真下的規(guī)則排序與匹配技術(shù)研究
    5.1 面向態(tài)勢(shì)評(píng)估的數(shù)據(jù)失真現(xiàn)象
        5.1.1 數(shù)據(jù)中的漏識(shí)別現(xiàn)象
        5.1.2 數(shù)據(jù)中的誤識(shí)別現(xiàn)象
        5.1.3 關(guān)聯(lián)規(guī)則與客觀(guān)規(guī)則
    5.2 基礎(chǔ)理論
        5.2.1 層次聚類(lèi)算法
        5.2.2 合理粒化原則
    5.3 數(shù)據(jù)失真對(duì)關(guān)聯(lián)規(guī)則影響的理論分析
        5.3.1 數(shù)據(jù)失真對(duì)關(guān)聯(lián)規(guī)則支持度的影響
        5.3.2 數(shù)據(jù)失真下的規(guī)則優(yōu)先級(jí)分析
    5.4 基于數(shù)據(jù)失真模型的規(guī)則排序與使用
        5.4.1 算法概要
        5.4.2 戰(zhàn)場(chǎng)關(guān)聯(lián)規(guī)則排序
        5.4.3 戰(zhàn)場(chǎng)關(guān)聯(lián)規(guī)則匹配
        5.4.4 匹配集擴(kuò)充與態(tài)勢(shì)網(wǎng)絡(luò)生成
    5.5 性能測(cè)試及分析
        5.5.1 實(shí)驗(yàn)準(zhǔn)備
        5.5.2 算法可靠性測(cè)試
    5.6 本章小結(jié)
第六章 原型系統(tǒng)設(shè)計(jì)與案例驗(yàn)證
    6.1 態(tài)勢(shì)評(píng)估原型系統(tǒng)的設(shè)計(jì)
        6.1.1 評(píng)估規(guī)則挖掘模塊
        6.1.2 態(tài)勢(shì)評(píng)估模塊
        6.1.3 可視化交互界面
    6.2 案例數(shù)據(jù)生成
        6.2.1 數(shù)據(jù)生成模型
        6.2.2 數(shù)據(jù)生成方式
        6.2.3 數(shù)據(jù)存儲(chǔ)方式
    6.3 案例中的態(tài)勢(shì)評(píng)估任務(wù)想定
        6.3.1 案例中的態(tài)勢(shì)評(píng)估任務(wù)設(shè)計(jì)
        6.3.2 到達(dá)態(tài)勢(shì)評(píng)估模塊的對(duì)象及待評(píng)估關(guān)系
        6.3.3 任務(wù)想定的合理性分析
    6.4 驗(yàn)證與分析
        6.4.1 參數(shù)選擇
        6.4.2 二元事務(wù)數(shù)據(jù)生成
        6.4.3 模式與規(guī)則挖掘
        6.4.4 態(tài)勢(shì)評(píng)估結(jié)果
    6.5 本章小結(jié)
第七章 結(jié)論與展望
    7.1 本文工作總結(jié)
    7.2 下一步工作展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果
附錄A 論文中的主要符號(hào)及其含義



本文編號(hào)：2943356