改进证据推理的联合防空作战效能评估模型

计算机应用 ›› 2010, Vol. 30 ›› Issue (8): 2265-2268.

改进证据推理的联合防空作战效能评估模型

彭方明¹,邢清华²,刘睿渊²

1. 空军工程大学
2.

收稿日期:2010-01-10 修回日期:2010-03-16 发布日期:2010-07-30 出版日期:2010-08-01
通讯作者: 彭方明
基金资助:
空军装备科研基金

Efficiency evaluation model of joint air defense operation based on advanced evidence reasoning

Received:2010-01-10 Revised:2010-03-16 Online:2010-07-30 Published:2010-08-01

摘要/Abstract

摘要： 根据证据理论在处理不确定性推理问题时的优势，运用证据理论对联合防空作战效能进行评估。首先建立基于证据推理的基本模型，然后引入模糊数学方法来处理具有模糊概念或推理关系的复杂问题，并且还考虑了实际问题中可能出现的加权证据或者相关证据的情况，提出了利用改进的证据模型进行联合防空作战效能评估的方法。通过实例分析，证明了改进证据推理模型在联合防空作战效能评估中的实用性与有效性。

关键词: 证据理论, 证据推理, 联合防空作战, 效能评估

Abstract: According to the advantage in dealing with uncertainty reasoning problems, the evidence theory was introduced to evaluate the efficiency of joint air defense operation. Firstly an ordinary model based on evidential reasoning was proposed, then fuzzy theory was applied to solve the problems with fuzzy concept or relations.The advanced evidence model was introduced to evaluate the efficiency of joint air defense operation aiming at the weighted or correlative evidence combination problems occured in actual condition. An example has been given to show the correctness of this new method and show the practicability and effectiveness in efficiency evaluation of joint air defense operation.

Key words: evidence theory, evidential reasoning, joint air defense operation, efficiency evaluation

彭方明邢清华刘睿渊. 改进证据推理的联合防空作战效能评估模型[J]. 计算机应用, 2010, 30(8): 2265-2268.

[1]	田阔, 吴英晗, 胡枫. 基于证据理论的多层超网络影响力节点识别方法[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 182-189.
[2]	王思蕊, 程世娟, 袁非梦. 基于改进证据融合的高可靠产品可靠性评估方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2140-2146.
[3]	陈晓楠, 胡建敏, 陈茜, 张威. 基于LightGBM算法的网络战仿真与效能评估[J]. 计算机应用, 2020, 40(7): 2003-2008.
[4]	杨磊, 赵红东. 基于轻量级深度神经网络的环境声音识别[J]. 计算机应用, 2020, 40(11): 3172-3177.
[5]	李旭峰, 宋亚飞, 李晓楠. 考虑决策者时序偏好的时域证据融合方法[J]. 计算机应用, 2019, 39(6): 1626-1631.
[6]	张利, 孙军, 李大伟, 牛明航, 高一丹. 基于融合型深度学习的滚动轴承亚健康识别算法[J]. 计算机应用, 2018, 38(8): 2224-2229.
[7]	王莎莎, 冯子亮, 傅可人. 基于图节点中心性和空间自相关的显著性检测方法[J]. 计算机应用, 2018, 38(12): 3547-3556.
[8]	邰滢滢, 庞影, 段苛苛, 付云鹏. 基于改进权重的D-S证据理论的动态负载平衡算法[J]. 计算机应用, 2018, 38(10): 2976-2981.
[9]	王剑, 张志勇, 乔阔远. 降低相似度碰撞的证据融合方法[J]. 计算机应用, 2018, 38(10): 2794-2800.
[10]	熊宁欣, 王应明. 基于改进模糊熵和证据推理的多属性决策方法[J]. 计算机应用, 2018, 38(10): 2801-2806.
[11]	邓达平, 谢小云, 郭子璇. 直觉模糊环境下考虑有限理性特征的决策方法[J]. 计算机应用, 2017, 37(5): 1376-1381.
[12]	王续乔, 王瑾琨. 基于D-S证据理论的室内组合定位算法[J]. 计算机应用, 2017, 37(4): 1198-1201.
[13]	朱轮. 基于后悔理论和证据理论的犹豫模糊决策方法[J]. 计算机应用, 2017, 37(2): 540-545.
[14]	高明霞, 陈福荣. 基于信息融合的中文微博可信度评估方法[J]. 计算机应用, 2016, 36(8): 2071-2075.
[15]	阮闪闪, 王小平, 薛小平. 基于证据理论信任模型的众包质量监控[J]. 计算机应用, 2015, 35(8): 2380-2385.