體系作戰(zhàn)過程中各裝備間具有復(fù)雜的協(xié)同關(guān)系,傳統(tǒng)的效能評估方法忽略了各裝備效能指標(biāo)間的影響關(guān)系。針對該問題,提出了考慮各裝備協(xié)同關(guān)系的體系效能評估方法,基于關(guān)聯(lián)規(guī)則挖掘?qū)Υ罅吭u估數(shù)據(jù)進(jìn)行分析得到各效能指標(biāo)間的關(guān)系;在此基礎(chǔ)上構(gòu)建網(wǎng)絡(luò)化評估指標(biāo)體系,并采用網(wǎng)絡(luò)層次分析法實現(xiàn)體系效能的綜合評估。以某防空體系的效能仿真評估為例驗證方法的可行性與有效性。 

【文章來源】：系統(tǒng)仿真學(xué)報. 2020,32(06)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

鄰接邊與環(huán)Fig.3Adjacentsideandring(a)(b)

?能指標(biāo)間的關(guān)聯(lián)關(guān)系，常用的關(guān)聯(lián)規(guī)則挖掘算法有FP-tree和Apriori方法。本文采用Apriori算法進(jìn)行分析，該算法是由Agrawal等[8]于1994年提出的，分為產(chǎn)生頻繁項集和生成強(qiáng)關(guān)聯(lián)規(guī)則兩步。起初Apriori算法的提出是為了解決離散型事務(wù)數(shù)據(jù)的關(guān)聯(lián)分析，而效能指標(biāo)數(shù)據(jù)通常是連續(xù)的，故引入等深度劃分[9]對連續(xù)型效能指標(biāo)數(shù)據(jù)進(jìn)行離散化。針對n個評估指標(biāo)數(shù)據(jù)進(jìn)行升序排列，按照每個區(qū)間樣本數(shù)相同的原則對連續(xù)數(shù)據(jù)所在區(qū)間進(jìn)行劃分，得到M個子區(qū)間，進(jìn)而實現(xiàn)連續(xù)數(shù)據(jù)的離散化如圖1所示。給出基于Apriori算法的指標(biāo)關(guān)聯(lián)分析流程如圖2所示。圖1基于等深度劃分的數(shù)據(jù)離散化示意圖Fig.1Diagramofequi-depth-baseddatadiscretization圖2基于關(guān)聯(lián)規(guī)則挖掘的指標(biāo)關(guān)聯(lián)分析流程圖Fig.2Flowchartofindexsrelationshipanalysisbasedonassoclationrulesmining(1)評估數(shù)據(jù)預(yù)處理根據(jù)評估目的從初選指標(biāo)庫中選取n個評估指標(biāo)I1,I2,...,In，從評估指標(biāo)數(shù)據(jù)集中獲取相應(yīng)的指標(biāo)數(shù)據(jù)并進(jìn)行等深度劃分。(2)生成頻繁項集首先針對每個評估指標(biāo)生成頻繁1-項集L1；而后將第i個指標(biāo)分別與n–1個評估指標(biāo)生成候選2-項集C2，基于最小支持度閾值生成頻繁2-項集：L2(Bj,Ai)，j1,2,...,i1,i1,...,n。

和Apriori方法。本文采用Apriori算法進(jìn)行分析，該算法是由Agrawal等[8]于1994年提出的，分為產(chǎn)生頻繁項集和生成強(qiáng)關(guān)聯(lián)規(guī)則兩步。起初Apriori算法的提出是為了解決離散型事務(wù)數(shù)據(jù)的關(guān)聯(lián)分析，而效能指標(biāo)數(shù)據(jù)通常是連續(xù)的，故引入等深度劃分[9]對連續(xù)型效能指標(biāo)數(shù)據(jù)進(jìn)行離散化。針對n個評估指標(biāo)數(shù)據(jù)進(jìn)行升序排列，按照每個區(qū)間樣本數(shù)相同的原則對連續(xù)數(shù)據(jù)所在區(qū)間進(jìn)行劃分，得到M個子區(qū)間，進(jìn)而實現(xiàn)連續(xù)數(shù)據(jù)的離散化如圖1所示。給出基于Apriori算法的指標(biāo)關(guān)聯(lián)分析流程如圖2所示。圖1基于等深度劃分的數(shù)據(jù)離散化示意圖Fig.1Diagramofequi-depth-baseddatadiscretization圖2基于關(guān)聯(lián)規(guī)則挖掘的指標(biāo)關(guān)聯(lián)分析流程圖Fig.2Flowchartofindexsrelationshipanalysisbasedonassoclationrulesmining(1)評估數(shù)據(jù)預(yù)處理根據(jù)評估目的從初選指標(biāo)庫中選取n個評估指標(biāo)I1,I2,...,In，從評估指標(biāo)數(shù)據(jù)集中獲取相應(yīng)的指標(biāo)數(shù)據(jù)并進(jìn)行等深度劃分。(2)生成頻繁項集首先針對每個評估指標(biāo)生成頻繁1-項集L1；而后將第i個指標(biāo)分別與n–1個評估指標(biāo)生成候選2-項集C2，基于最小支持度閾值生成頻繁2-項集：L2(Bj,Ai)，j1,2,...,i1,i1,...,n。

【參考文獻(xiàn)】：
期刊論文
[1]基于作戰(zhàn)環(huán)的導(dǎo)彈裝備體系效能評估[J]. 王濤,汪劉應(yīng),劉顧,葛超群.  火力與指揮控制. 2019(12)
[2]基于算子的武器裝備體系效能評估方法及系統(tǒng)[J]. 簡平,齊彬,陳陽陽.  指揮控制與仿真. 2020(01)
[3]基于作戰(zhàn)環(huán)和改進(jìn)信息熵的體系效能評估方法[J]. 羅承昆,陳云翔,王莉莉,王澤洲,常政.  系統(tǒng)工程與電子技術(shù). 2019(01)
[4]基于仿真大數(shù)據(jù)的效能評估指標(biāo)體系構(gòu)建方法[J]. 司光亞,高翔,劉洋,吳琳.  大數(shù)據(jù). 2016(04)
[5]一種基于復(fù)雜網(wǎng)絡(luò)理論的網(wǎng)絡(luò)空間作戰(zhàn)效能評估指標(biāo)體系框架[J]. 許相莉,胡曉峰.  軍事運(yùn)籌與系統(tǒng)工程. 2014(01)



本文編號：3438396