一种基于本体的态势推理决策方法与流程

技术特征：

1.一种基于本体的态势推理决策方法，其特征在于：含有以下步骤：

首先，基于本体与证据理论对态势推理决策过程进行建模，充分表达态势推理要素之间的关联关系；

其次，在本体与证据理论之间的进行映射，建立态势要素关系描述与融合推理之间的桥梁，为后期的融合处理奠定基础；

然后，对本体进行实例化，输入态势要素实例；

最后，通过改进的证据理论对态势要素进行融合，依据可信度对证据组合权重进行自适应调整，并动态调整组合规则。

2.根据权利要求1所述的基于本体的态势推理决策方法，其特征在于：所述态势推理的建模过程中，异构信息分为两层：低层采集的异构信息和高层推理出的异构信息，通过证据集和识别框架与本体之间的映射，可把两者有机关联起来，建立基于本体与证据理论的推理决策模型，该模型主要包括支持证据理论的类和支持推理判定的类。

3.根据权利要求2所述的基于本体的态势推理决策方法，其特征在于：所述支持证据理论的类有6个，InfluenceClass，EvidenceClass，InfluenceValue，EvidenceValue，Relation和Event，其中，Influence类Class表示专家对证据影响的判定，Evidence类表示证据，InfluenceValue类表示InfluenceClass所有可能取值的集合，EvidenceValue类表示EvidenceClass所有取值的集合，Relation表示证据与影响类之间的关联关系，Event类表示构成证据的关键安全事件。

4.根据权利要求2所述的基于本体的态势推理决策方法，其特征在于：所述支持推理判定的类有3个，DecisionRule，SituationDecision和DecisionValue；其中，DecisionRule类表示推理决策规则，SituationDecision类表示判定结果和DecisionValue表示Decision所有可能取值的集合。

5.根据权利要求2所述的基于本体的态势推理决策方法，其特征在于：所述基于本体与证据理论的推理决策模型的建立过程如下：若Θ表示识别框架，E表示证据空间，Θ和E均为有限集，F:E→Θ表示证据空间E到识别框架空间Θ的映射，m表示基本信度分配，则D＝{Θ,E,F,m}称为证据结构。

6.根据权利要求1所述的基于本体的态势推理决策方法，其特征在于：所述本体的实例化过程为：

(1)抽取本体推理决策模型中的不确定性概念，包括不确定性类和不确定性对象属性；

(2)通过映射关系，为态势要素赋值，对推理决策模型中的不确定性进行实例化封装。

7.根据权利要求1所述的基于本体的态势推理决策方法，其特征在于：所述通过改进的证据理论对态势要素进行融合的过程中采用Shafer提出的证据修正方法，其表达式如下：

其中，w₁,…,w_i,…,w_n表示证据i的权重，当w_i＝1时，表示证据是完全可靠的，其对应的信任值不需要改变；当w_i＝0时，表示证据完全不可靠，其信任值完全分配给论域Θ，使得m_i'(Θ)＝1；

w_i的度量方法如下：

假设n个证据构成的证据向量为E＝(E₁,E₂,…,E_n)，则证据i和j间的冲突可表示为：

利用公式(6)可进一步计算证据E的冲突矩阵K；

k_ij反映的是证据i和j之间的局部冲突度，通过累加与其它证据的冲突，可以获得证据i的全局冲突度，它反映的是其它证据对证据i冲突的支持程度，证据i的冲突支持度可表示为：

一个证据与其它证据间的冲突越小，表明其它证据对该证据的支持程度越高，该证据的可信性越高，在证据组合时应为其分配较高的权重；反之，若一个证据与其它证据间的冲突越大，该证据的可信性越低，在证据组合时应为其分配较小的权重；SUP(C_i)从全局的视角较好地反映了证据i与其它所有证据之间的冲突关系，因此，可将其作为衡量证据可信程度的参考依据；

设证据的可信度为R，则证据i的可信度r_i可表示为：

r_i＝1-SUP(C_i)

由上式可以看出，当SUP(C_i)＝0时，r_i＝1；SUP(C_i)＝1时，r_i＝0；依据SUP(C_i)与r_i的变化特点可以看出，r_i能够较好的反映证据的可信程度；

对于n个组合证据，计算每条证据的可信度，获得证据的可信度向量{r₁,…,r_i,…,r_n}；设证据的权重为W，则证据i的权重w_i可表示为：

从而获得由每个证据的重要程度构成的权重向量{w₁,…,w_i,…,w_n}；结合修正信度公式，改进了组合规则，公式如下：

。