基于范数灰关联的情报大数据分析质量评估方法

发布时间：2022-01-06 22:07

　　面向大数据条件下的情报分析,从大数据处理平台和情报生成质量视角提出了一套情报大数据分析质量评估指标体系,针对指标体系建立了基于范数灰关联的情报大数据分析质量评估方法,并通过仿真实验验证了方法的有效性。该方法能够从多个视角对影响情报分析质量的因素进行综合分析,有效评判大数据条件下情报分析质量的优劣,能够为情报分析质量提高与优化提供支撑,以使指挥决策人员获取高质量的情报信息。 

【文章来源】：中国电子科学研究院学报. 2020,15(01)北大核心

【文章页数】：8 页

【部分图文】：

大数据条件下情报分析质量评估指标框架

基于情报大数据分析质量评估指标体系及情报处理流程，本研究提出了一种基于范数灰关联理论的情报分析质量评估方法，对这种不同视角不同类型的指标进行聚合，评判最终的情报分析质量。灰关联度分析是分析系统中各元素之间关联程度或相似程度的方法，其基本思想是依据关联度对系统排序。关联度是表征两个事物的关联程度，是因素之间关联性大小的量度，它定量地描述了因素之间相对变化的情况。情报多视角分析质量评估流程如图2所示。2.2 情报多视角指标数据规范化

通过基于范数灰关联的情报大数据分析质量评估模型，计算各指标的范数灰关联度，计算结果如图3所示。从范数灰关联度的计算结果可知，对于情报大数据平台分析质量视角，对情报分析质量影响较大的因素是情报大数据挖掘分析能力和基础设施支撑能力，其对应的范数灰关联度分别为0.286和0.161。对情报生成质量视角，影响情报分析质量最大的因素是情报的内容质量和可信度，其与情报分析质量的范数灰关联度分别为0.137和0.111。因此，在大数据条件下，为了有效提高情报数据分析质量，从大数据处理平台方面考虑，需重点提升情报数据挖掘分析能力，以从海量信息中高质量提取有用信息，消除无用信息;同时，要注重基础设施支撑能力的提升，以保障大数据里平台分析处理能力的有效实现。在情报生成与表达方面，需重点提升情报内容质量与情报可信度，确保情报来源、情报内容的可靠、真实，保障情报内容客观、精确有效。

【参考文献】：
期刊论文
[1]面向大数据的情报系统初探[J]. 张林超,李阳阳,廖勇,孔瑞远,武文曦.  中国电子科学研究院学报. 2016(06)
[2]熵权-集对分析方法在军事情报质量评估中的应用[J]. 周明亮,蔡群,朱晓亮,阮潇琳.  兵工自动化. 2012(04)
[3]人工神经网络在电子对抗情报评估中的应用[J]. 孙智华,林春应.  情报探索. 2008(04)
[4]基于Kohonen网络的军事情报质量评估方法[J]. 吴勤.  情报杂志. 2007(12)
[5]层次分析法在军事情报质量评估中的应用[J]. 王海,程立斌.  情报杂志. 2005(12)
[6]信息战争形态下军事情报活动的研究与展望[J]. 于厚海.  情报科学. 2003(04)



本文编号：3573251