论文基于贝叶斯网络毁伤效果评估是关于本文可作为贝叶斯方面的大学硕士与本科毕业论文贝叶斯统计论文开题报告范文和职称论文论文写作参考文献下载。
摘 要： 针对传统基于经验和规则的毁伤评估系统的不足,提出一种基于贝叶斯网络的毁伤效果评估方法.该方法包括毁伤特征提取、毁伤评估建模、证据建模和转换、贝叶斯网络推理四个步骤,并重点分析了从目标特征到毁伤证据的转换问题.最后,搭建毁伤评估演示系统进行验证,大量测试数据的毁伤评估结果表明该方法的有效性和可行性.
关键词： 图像； 贝叶斯网络； 毁伤评估； 证据转换； 特征提取； 证据建模
中图分类号： TN711?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）11?0022?05
Study on battle damage assessment based on Bayesian network
PENG Yijin
（No. 10 Research Institute of China Electronics Technology Group Corporation, Chengdu 610036, China）
Abstract： A battle damage assessment （BDA） method based on Bayesian network is put forward to eliminate the shortco?mings of the traditional experience?based and rule?based BDA system. This method includes the steps of damage feature extraction, damage assessment modeling, evidence modeling and transformation, and Bayesian network inference. The transformation from target characteristics to damage evidence is analyzed emphatically. A demonstration system of damage assessment is built for verification. The damage assessment results of a large number of test data indicate that the method is effective and feasible.
Keywords： image； Bayesian network； battle damage assessment； evidence transformation； feature extraction； evidence modeling
0 引 言
随着现代科学技术的发展,战争形态逐渐由机械化向信息化演变.现代高技术战争围绕信息的搜集、处理、分发、防护展开,信息化战争成为高技术战争的基本形态.打击效果评估（Battle Damage Assessment,BDA）是信息化战争中的一个重要环节,是现代精确打击作战体系必不可少的一部分.
打击效果评估又称目标毁伤效果评估,是指对敌方某一军事目标或区域进行火力攻击后,通过一定的侦查手段获取目标毁伤信息,并根据打击前后的变化情况对打击对象的毁伤情况进行综合评估,以判断是否达到打击目的以及是否还需实施进一步打击的过程[1].
一套完整的打击效果评估系统包括打击前后信息的搜集和传输、打击前后信息的分析和处理.根据评估结果调用武器系统对目标进行后续打击[2].一般而言,打击效果评估中信息处理工作的主要任务是根据打击前后目标区域的图像信息以及各种渠道收集的情报信息,对目标打击情况进行解译分析处理,编制毁伤效果情报,并以图、表或简单数据等直观形式提供给战场指挥官,作为下一步军事行动计划的参考[3].
基于图像的毁伤效果评估方法是通过提取打击前后目标区域图像的变化情况,并分析这种变化和目标毁伤状态之间的潜在因果联系,进而建立模型,对毁伤程度进行综合推理分析[4?6].贝叶斯网络是人工智能领域重要的研究成果之一,其可根据不完整和不确定的观测信息进行综合推理,这一特点可用于仅能获取部分目标毁伤信息条件下的毁伤等级评估[7?8].针对图像目标毁伤效果评估需求,本文利用贝叶斯网络的这一特点对毁伤效果评估方法进行探讨,借助贝叶斯网络的推理功能实现目标毁伤效果的综合评估.
1 贝叶斯网络分析原理
贝叶斯网络又称信念网络,是一种可以对不确定知识进行推理表达的拓扑结构,它提供了一种将知识可视化的方法,借助于图的直观表示,表达变量之间的依存关系[8?9].贝叶斯网络主要包括网络结构和连接节点的条件概率两个部分.网络结构是一个有向无环图,每一个节点表示一个随机变量,是对实体的特征描述,而弧描述了各个节点之间的关系,网络结构中的每一个节点都有一个条件概率函数,这个函数描述了在给定父节点状态分布情况下该节点的状态分布.
贝叶斯网络具有以下特点：
1） 可以综合利用不同信息之间的互补性对目标身份做出判断；
2） 可以利用目标的观测数据进行综合推理；
3） 可以充分利用专家经验知识；
4） 具有灵活的双向推理能力,能夠有效避免数据的过度拟合和局部最优问题.
贝叶斯网络能很好地表达知识的不确定性,并且能够实现快速推理,这些优点使得贝叶斯网络在人工智能、目标识别、综合评估和信息融合等领域得到了非常广泛的应用.
总结:本文关于贝叶斯论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
参考文献：
1、 基于贝叶斯算法的垃圾邮件过滤的方法 摘要：随着互联网行业的迅速发展，电子邮件营销得到快速发展，但垃圾邮件的日趋严重浪费着网络资源，因此过滤垃圾邮件刻不容缓。该文通过介绍朴素贝叶斯算。
2、 基于模糊贝叶斯的改进决策方法在企业评价中的应用 摘 要：朴素贝叶斯算法是数据挖掘领域最简单的分类算法之一。为了让朴素贝叶斯能够灵活地处理连续型数据，分类过程就需要对数据进行离散化处理。而使用模。
3、 基于贝叶斯网络电子商务平台项目风险分析和管理 [摘要]电子商务平台项目是企业进行电子商务的工具和载体，但是目前的电子商务平台项目更多的是在功能设计上进行改进，关于项目的风险管理考虑的比较少。。
4、 朴素贝叶斯模型在法人银行机构不良贷款预测中应用 商业银行信用风险管理一直是全面风险管理（ ERM）的重要组成部分，对于地方法人银行机构而言，不良贷款预测分类是信用风险管理的重点和难点。针对我国。
5、 基于上市企业财务数据贝叶斯统计和知识推理 【摘要】本文主要使用matlab和R自带软件包对上市企业财务数据建立贝叶斯网。用matlab对建立好的贝叶斯网络进行参数学习，利用多种推理引擎进。
6、 基于贝叶斯MSSV—ST金融波动模型股市特征机制转移性 摘要：针对有偏厚尾金融随机波动模型难以刻画参数的动态时变性及结构突变的问题，设置偏态参数服从Markov转换过程，采用贝叶斯方法，构建带机制转移。