面向智能决策的军事数据工程建设

发布时间：2021-03-07 02:03

　　针对军事智能决策对于数据的高速、高效、高融合等要求,在分析当前军事数据面临的数据需求、采集、分析和服务等困难的基础上,提出了由需求层、数据层、知识层、服务层和评估反馈过程构成的军事数据工程结构框架,指出了建设需要重点关注的元数据、数据质量、小样本特征提取、服务体系构建等重点内容和关键技术,为开展军事数据工程建设打下了基础。 

【文章来源】：指挥控制与仿真. 2020,42(03)

【文章页数】：5 页

【部分图文】：

面向智能决策的军事数据工程总体建设框图

军事智能决策需求捕获是数据工程的基本出发点。美军以国家和国防战略为顶层需求,依次形成战略需求、作战需求、能力需求、资源需求等四类需求。其中,军事数据由顶层需求分解而来,属于资源和能力需求。军事数据需求描述模型整体框架如图2所示。这就需要进一步规范军事需求分解和传递规则,从顶向下构建一套军事决策需求分析标准,明确需求模型和数据资源的形式化描述。依据此标准,领域专家可以根据不同领域需求,建立各领域军事数据资源术语之间的逻辑关系,形成军事数据资源概念术语集,从而建立军事需求和军事数据之间的“翻译器”。在具体军事需求开发时,不同人员可以从数据和需求两方面对需求和资源进行分析,最大限度地合并“同类项”,增加“标准项”,实现军事需求和数据资源的对接。

军事决策服务是军事数据工程的最终价值体现。其特点在于建立了独立的服务层,为各类决策应用提供支撑,实现资源建设共享。它以数据顶层规划法规为约束,通过建立涵盖基础级、中继级、系统级的数据服务体系,形成快速响应、灵活配置、融合交互的军事数据服务,支撑各类决策应用。其基本结构如图3所示。3.2.5 军事数据应用层建设

【参考文献】：
期刊论文
[1]当前军事决策分析关注的几个问题[J]. 卜先锦.  军事运筹与系统工程. 2018(02)
[2]文本特征提取方法研究综述[J]. 徐冠华,赵景秀,杨红亚,刘爽.  软件导刊. 2018(05)
[3]基于深度学习的军事智能决策支持系统[J]. 张晓海,操新文.  指挥控制与仿真. 2018(02)
[4]军事数据质量管理研究[J]. 戴超凡,刘丽华,曾赛红,张苒.  指挥与控制学报. 2016(04)
[5]大数据时代应急数据质量治理研究[J]. 郭路生,刘春年.  情报理论与实践. 2016(11)
[6]作战决策辅助向何处去——“深绿”计划的启示与思考[J]. 胡晓峰,荣明.  指挥与控制学报. 2016(01)
[7]大数据与数据工程学[J]. 李腊生,刘磊,刘文文.  统计研究. 2015(09)
[8]一种基于信息增益的特征优化选择方法[J]. 刘庆和,梁正友.  计算机工程与应用. 2011(12)
[9]内置谓词函数依赖及其推理规则[J]. 胡艳丽,张维明,肖卫东,汤大权,唐九阳.  国防科技大学学报. 2009(05)

博士论文
[1]贝叶斯网络结构学习与应用研究[D]. 曹杰.中国科学技术大学 2017



本文编号：3068206