基于知识的战场数据样本标签匹配方法研究

发布时间：2020-09-01 09:27

　　多军种的协同作战已成为了当今信息化作战的主要形式,面对复杂的作战体系,指挥员全面准确地理解战场态势是做出正确决策的基础,在态势评估工作中占据重要的地位。战场数据样本标签作为战场样本数据的提炼与概括,承载了战场样本数据的重要信息。因此,对战场数据样本标签匹配工作的研究在战场态势认知领域起到了愈发重要的作用。本文为实现标签匹配的目标,建立了一种战场数据样本标签框架,并赋予战场数据样本标签数值化定义,采用梯度提升树(GBDT)算法实现了战场数据样本的标签匹配。本文首先介绍了国内外学者在标签匹配和态势认知领域的主要工作和目前本体领域的研究进展,并阐述了机器学习中回归算法的基本原理和理论。然后,本文根据实际战场的特征和特点,设计了一种基于本体的态势知识库的设计框架,包括态势本体的构建和基于本体的态势知识库构建两部分。态势本体的构建过程包括对战场态势要素的抽象概念进行描述和确定构建本体的方法。基于本体的知识库构建过程包括确定态势概念的分类、对态势概念属性的阐释、加入兵棋推演规则以逻辑和产生式表示方法对态势规则库进行构建三个部分。同时,本文针对任务、资源、能力和战局四方面构建了四种势标签框架并详细解释其功能与含义。其中,任务势标签对作战任务信息进行定性描述,资源势标签与能力势标签对战场资源和作战能力进行定量描述,战局势标签对整体战场局势进行描述。进而,针对战场数据样本标签包含信息多、关联性强等特点,本文选取GBDT算法实现标签匹配过程。对于未知战场数据样本,首先进行初步的数据筛选,利用GBDT多元分类算法实现任务势标签的匹配;对于资源势标签与能力势标签,因为标签数据是连续的实数值,因此采用GBDT算法进行回归,得到匹配结果,通过人工添加战局势标签,完成四种态势标签的匹配工作,设计出战场数据样本标签的匹配模型。最后,本文根据上述方法和模型,利用兵棋推演平台数据进行了标签匹配的验证实验。对于任务和能力势标签分别计算标签匹配与实际标签结果的正确率和接近度,依据标签匹配结果自动添加知识库中的相似标签。最终,通过展示其对应的战场数据样本中的全部标签,证明本文提出的基于知识和GBDT算法的匹配模型具有可行性和实际使用价值。
【学位单位】：南京大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：E91
【部分图文】：

知识库,构建过程,框架,章节

员规则库构建提供思路。因此，完整的基于本体的态势知识库应包含态势要素本逡逑体和态势知识库两个基本部分。逡逑基于本体的态势知识库的构建框架如图３－１所示，后续章节对具体构建过程逡逑进行详细阐述说明。逡逑１９逡逑

流程图,知识库构建,本体,步法

七步法在描述本体的构建过程时较为详细，尤其适合领域本体的构建，是使用率逡逑较高的一种本体构建方法。本文考虑到战场态势领域信息量大、专业度高的特点，逡逑提出改进的“七步法’’的态势本体构建思路。图３－２为七步法本体开发流程图。逡逑（１）

步法,开发流程,本体

【相似文献】