本发明涉及战场态势预测方法技术领域,具体涉及一种基于知识的战场态势预测方法。
背景技术:
现代战场错综复杂,瞬息万变,战场信息具有高度的不确定性、不完备性。作战指挥人员需要考虑众多复杂因素,更要及时、准确地做出决策,所以对战场态势威胁情况进行估计和分析显得尤为重要。同时,战争是一种可与外部环境相互作用的开放系统,收集的信息可能包含一些不准确的数据,而且外部环境中细微因素的变化都会对战场的结果造成巨大影响。所以对战场态势预测评估时,需要收集大量信息进行处理,考虑众多复杂因素,实时地对信息进行统计分析。
但是在对战场态势预测时往往会出现数据缺失或者数据错误的情况,因此需要一种能够对缺失数据或错误数据进行修补、剔除的战场态势预测方法。
技术实现要素:
本发明的目的就在于为了解决上述问题,而提供一种基于知识的战场态势预测方法。
本发明通过以下技术方案来实现上述目的,一种基于知识的战场态势预测方法,包括以下步骤:
步骤s1,数据采集,用于获取战场态势数据;
步骤s2,数据提取,从获取的战场态势数据中提取所要处理的数据;
步骤s3,第一次数据检测,对提取的数据进行检测,检测提取数据中是否存在缺失或错误;
步骤s4,第一次数据处理,对提取数据中存在的缺失部分进行补齐,对提取数据中存在的错误部分进行丢弃;
步骤s5,第二次数据检测,对经过处理的数据进行再次检测;
步骤s6,第二次数据处理,对二次检测后的数据进行模糊化处理以得到模糊量化;
步骤s7,模型构建,对战场态势预测过程进行知识表达,确定事件和属性的概念和表示,构建关于战场预测的动态贝叶斯网络模型;
步骤s8,推理预测,将所述模糊变量作为输入证据输入至所述动态贝叶斯网络模型以得到模糊动态贝叶斯网络,然后对所述模糊动态贝叶斯网络进行推理得到态势预测结果。
优选的,步骤s6中,所述动态贝叶斯网络模型包括态势预测和威胁评估两方面的语义表示。
本发明的有益效果是:
本发明一种基于知识的战场态势预测方法,通过设置多次数据检测,对提取数据进行多次检测,避免提取数据中存在缺失与错误,通过多次数据处理,对提取数据中检测出的缺失与错误进行多次补齐、剔除处理,加强了数据的有效性,提高了战场态势预测的精准度。
附图说明
图1为本发明一种基于知识的战场态势预测方法示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示:
本实施例中一种基于知识的战场态势预测方法,包括以下步骤:
步骤s1,数据采集,用于获取战场态势数据;
步骤s2,数据提取,从获取的战场态势数据中提取所要处理的数据;
步骤s3,第一次数据检测,对提取的数据进行检测,检测提取数据中是否存在缺失或错误;
步骤s4,第一次数据处理,对提取数据中存在的缺失部分进行补齐,对提取数据中存在的错误部分进行丢弃;
步骤s5,第二次数据检测,对经过处理的数据进行再次检测;
步骤s6,第二次数据处理,对二次检测后的数据进行模糊化处理以得到模糊量化;
步骤s7,模型构建,对战场态势预测过程进行知识表达,确定事件和属性的概念和表示,构建关于战场预测的动态贝叶斯网络模型;
步骤s8,推理预测,将所述模糊变量作为输入证据输入至所述动态贝叶斯网络模型以得到模糊动态贝叶斯网络,然后对所述模糊动态贝叶斯网络进行推理得到态势预测结果。
其中,步骤s6中,所述动态贝叶斯网络模型包括态势预测和威胁评估两方面的语义表示。
本发明一种基于知识的战场态势预测方法,通过设置多次数据检测,对提取数据进行多次检测,避免提取数据中存在缺失与错误,通过多次数据处理,对提取数据中检测出的缺失与错误进行多次补齐、剔除处理,加强了数据的有效性,提高了战场态势预测的精准度。
于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
1.一种基于知识的战场态势预测方法,其特征在于,包括以下步骤:
步骤s1,数据采集,用于获取战场态势数据;
步骤s2,数据提取,从获取的战场态势数据中提取所要处理的数据;
步骤s3,第一次数据检测,对提取的数据进行检测,检测提取数据中是否存在缺失或错误;
步骤s4,第一次数据处理,对提取数据中存在的缺失部分进行补齐,对提取数据中存在的错误部分进行丢弃;
步骤s5,第二次数据检测,对经过处理的数据进行再次检测;
步骤s6,第二次数据处理,对二次检测后的数据进行模糊化处理以得到模糊量化;
步骤s7,模型构建,对战场态势预测过程进行知识表达,确定事件和属性的概念和表示,构建关于战场预测的动态贝叶斯网络模型;
步骤s8,推理预测,将所述模糊变量作为输入证据输入至所述动态贝叶斯网络模型以得到模糊动态贝叶斯网络,然后对所述模糊动态贝叶斯网络进行推理得到态势预测结果。
2.根据权利要求1所述的一种基于知识的战场态势预测方法,其特征在于:步骤s6中,所述动态贝叶斯网络模型包括态势预测和威胁评估两方面的语义表示。