CN109409695B - 基于关联分析的体系效能评估指标体系构建方法及系统 - Google Patents

基于关联分析的体系效能评估指标体系构建方法及系统 Download PDF

Info

Publication number
CN109409695B
CN109409695B CN201811160494.4A CN201811160494A CN109409695B CN 109409695 B CN109409695 B CN 109409695B CN 201811160494 A CN201811160494 A CN 201811160494A CN 109409695 B CN109409695 B CN 109409695B
Authority
CN
China
Prior art keywords
index
performance
evaluation index
level performance
equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811160494.4A
Other languages
English (en)
Other versions
CN109409695A (zh
Inventor
钱晓超
陆志沣
洪泽华
董晨
陆营波
章佳君
谢维建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Electromechanical Engineering
Original Assignee
Shanghai Institute of Electromechanical Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Electromechanical Engineering filed Critical Shanghai Institute of Electromechanical Engineering
Priority to CN201811160494.4A priority Critical patent/CN109409695B/zh
Publication of CN109409695A publication Critical patent/CN109409695A/zh
Application granted granted Critical
Publication of CN109409695B publication Critical patent/CN109409695B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于关联分析的体系效能评估指标体系构建方法及系统，包括：评估指标初选步骤、评估指标样本获取步骤、关联评估指标提取步骤和评估指标体系建立步骤。本发明能够挖掘装备级性能/效能指标与体系级效能指标间的关联关系；利用基于聚类分析的动态离散法实现关联分析后件的离散化，得到的结果能够体现关联分析后件即体系级效能指标与最小支持度的关系，相较等深、等宽等静态离散方法得到的关联关系更加精确；解决了因装备体系各系统间深度铰链，指标耦合严重，而难以用传统方法建立科学的层次化指标体系的问题，为其它复杂问题的指标体系构建提供了新的思路和方法。

Description

基于关联分析的体系效能评估指标体系构建方法及系统
技术领域
本发明涉及建模仿真领域，具体地，涉及基于关联分析的体系效能评估指标体系构建方法及系统。
背景技术
基于仿真数据的多指标综合评价是武器装备作战效能评估的一项关键技术，其依赖于建立指标间相互独立的层次化指标体系。
传统的以武器系统为对象的作战效能评估，武器系统一般具有一系列表征各种特性的战术技术性能参数，它们涉及武器装备、作战任务和环境等的多个方面，而系统的效能是上述各种参数的综合，因此武器系统的效能评估指标体系往往是由多层次、多种类型指标构成的。以搜索雷达系统为例，其效能指标按其主要功能可分解为最大探测距离、最小探测距离、雷达分辨率等与搜索雷达相关的性能指标。然而，体系对抗是一个典型的复杂巨系统问题，影响对抗结果的因素很多，包括装备技术因素、作战(指挥)因素、人的行为(规则)因素、战场环境因素等等，且相互之间存在诸多交叉影响，难以采用一个层次化的指标体系对其进行二次建模，以防空装备体系为例，按照层次化分解的思路，按其系统组成可分为搜索雷达、跟踪雷达和拦截武器三类武器系统，每类武器系统又可根据其性能指标进行分解，最终建立起层次化指标体系，然而，三类武器系统在实际作战过程中会受到彼此的影响，例如搜索雷达的性能指标可能影响到跟踪雷达和拦截武器最终的效能，系统间深度铰链，指标耦合严重，因此，如何在构建指标体系时考虑到各因素间的相互影响是武器装备体系效能评估的一项关键技术。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于关联分析的体系效能评估指标体系构建方法及系统。
根据本发明提供的一种基于关联分析的体系效能评估指标体系构建方法，包括：
评估指标初选步骤：依据评估目的、评估对象以及评估对象的输入/输出信息给出对效能产生影响的指标，并形成体系级效能指标和装备级性能/效能指标；
评估指标样本获取步骤：对评估对象的仿真模型进行试验，依据仿真试验数据以及初选的指标得到多组体系级效能指标值和装备级性能/效能评估指标值；
关联评估指标提取步骤：采用关联规则挖掘算法对体系级效能指标值和装备级性能/效能评估指标值进行分析，获得装备级性能/效能指标与体系级效能指标值的关联规则，进而获取与体系级效能指标相关的装备级性能/效能评估指标，同时，在此基础上确定指标之间的从属级关系；
评估指标体系建立步骤：根据确定的指标之间的从属关系构建评估指标体系。
较佳的，所述评估指标初选步骤中形成体系级效能指标和装备级性能/效能指标包括：
体系级效能指标表示为{x1,x2,…xn}，其中xi表示第i个体系级评估指标，n表示体系级效能指标集个数；
装备级性能/效能评估指标表示为{y1,y2,…ym}，其中yj表示第j个装备级性能/效能评估指标，m表示装备级性能/效能评估指标个数。
较佳的，所述评估指标样本获取步骤中对评估对象的仿真模型进行的试验包括：均匀、正交或者拉丁超立方试验。
较佳的，所述评估指标样本获取步骤中得到的多组体系级效能指标值和装备级性能/效能评估指标值包括：
体系级效能指标xi样本表示为{xi1,xi2,…xio}，其中xik表示第i个体系级评估指标的第k个样本值；
装备级性能/效能评估指标yj样本表示为{yj1,yj2,…yjn}，其中yjl表示第j个装备级性能/效能评估指标的第l个样本值。
较佳的，所述关联评估指标提取步骤中，获得装备级性能/效能指标与体系级效能指标值的关联规则的步骤包括：
步骤1：以装备级性能/效能指标为前件，体系级效能指标为后件，找出去除末属性的频繁项集，若装备级性能/效能指标有数值型属性，则进行离散化；
步骤2：分别对频繁项集对应后件的样本值进行聚类，找出最大簇；
步骤3：计算最大簇的区间，判断是否满足最小支持度计数条件；最初划分的簇个数为Num，若Num个簇的最大簇不满足最小支持度计数条件，则对Num进行减1，并返回步骤2，反之则进入步骤4；
步骤4：以步骤1中找出的频繁项集为前件，以步骤3中找出的最大簇的区间范围为后件，生成关联规则；
步骤5：计算关联规则的支持度、置信度及兴趣度；
步骤6：输出所有关联关系，按照兴趣度进行排序；
其中，兴趣度为置信度与后件出现频率的比值，具体计算如下：
A→B的兴趣度＝(A→B的置信度)/(B出现的频率)。
根据本发明提供的一种基于关联分析的体系效能评估指标体系构建系统，包括：
评估指标初选模块：依据评估目的、评估对象以及评估对象的输入/输出信息给出对效能产生影响的指标，并形成体系级效能指标和装备级性能/效能指标；
评估指标样本获取模块：对评估对象的仿真模型进行试验，依据仿真试验数据以及初选的指标得到多组体系级效能指标值和装备级性能/效能评估指标值；
关联评估指标提取模块：采用关联规则挖掘算法对体系级效能指标值和装备级性能/效能评估指标值进行分析，获得装备级性能/效能指标与体系级效能指标值的关联规则，进而获取与体系级效能指标相关的装备级性能/效能评估指标，同时，在此基础上确定指标之间的从属级关系；
评估指标体系建立模块：根据确定的指标之间的从属关系构建评估指标体系。
较佳的，所述评估指标初选模块中形成体系级效能指标和装备级性能/效能指标包括：
体系级效能指标表示为{x1,x2,…xn}，其中xi表示第i个体系级评估指标，n表示体系级效能指标集个数；
装备级性能/效能评估指标表示为{y1,y2,…ym}，其中yj表示第j个装备级性能/效能评估指标，m表示装备级性能/效能评估指标个数。
较佳的，所述评估指标样本获取模块中对评估对象的仿真模型进行的试验包括：均匀、正交或者拉丁超立方试验。
较佳的，所述评估指标样本获取模块中得到的多组体系级效能指标值和装备级性能/效能评估指标值包括：
体系级效能指标xi样本表示为{xi1,xi2,…xio}，其中xik表示第i个体系级评估指标的第k个样本值；
装备级性能/效能评估指标yj样本表示为{yj1,yj2,…yjn}，其中yjl表示第j个装备级性能/效能评估指标的第l个样本值。
较佳的，所述关联评估指标提取模块中，获得装备级性能/效能指标与体系级效能指标值的关联规则的步骤包括：
步骤1：以装备级性能/效能指标为前件，体系级效能指标为后件，找出去除末属性的频繁项集，若装备级性能/效能指标有数值型属性，则进行离散化；
步骤2：分别对频繁项集对应后件的样本值进行聚类，找出最大簇；
步骤3：计算最大簇的区间，判断是否满足最小支持度计数条件；最初划分的簇个数为Num，若Num个簇的最大簇不满足最小支持度计数条件，则对Num进行减1，并返回步骤2，反之则进入步骤4；
步骤4：以步骤1中找出的频繁项集为前件，以步骤3中找出的最大簇的区间范围为后件，生成关联规则；
步骤5：计算关联规则的支持度、置信度及兴趣度；
步骤6：输出所有关联关系，按照兴趣度进行排序；
其中，兴趣度为置信度与后件出现频率的比值，具体计算如下：
A→B的兴趣度＝(A→B的置信度)/(B出现的频率)。
与现有技术相比，本发明具有如下的有益效果：
1、本发明了提供了一种基于关联分析的体系效能评估指标体系构建方法；
2、本发明所述方案提供一种仿真数据关联规则算法，能够挖掘装备级性能/效能指标与体系级效能指标间的关联关系；
3、本发明所述方案利用基于聚类分析的动态离散法实现关联分析后件的离散化，得到的结果能够体现关联分析后件即体系级效能指标与最小支持度的关系，相较等深、等宽等静态离散方法得到的关联关系更加精确；
4、本发明所述方案解决了因装备体系各系统间深度铰链，指标耦合严重，而难以用传统方法建立科学的层次化指标体系的问题，为其它复杂问题的指标体系构建提供了新的思路和方法。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明实施例的基于关联分析的体系效能评估指标体系构建流程图；
图2是采用本发明方法构建的某防空装备体系效能评估指标体系。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供的一种基于关联分析的体系效能评估指标体系构建方法，包括：
评估指标初选步骤：依据评估目的、评估对象以及评估对象的输入/输出信息给出对效能产生影响的指标，并形成体系级效能指标和装备级性能/效能指标；
评估指标样本获取步骤：对评估对象的仿真模型进行试验，依据仿真试验数据以及初选的指标得到多组体系级效能指标值和装备级性能/效能评估指标值；
关联评估指标提取步骤：采用关联规则挖掘算法对体系级效能指标值和装备级性能/效能评估指标值进行分析，获得装备级性能/效能指标与体系级效能指标值的关联规则，进而获取与体系级效能指标相关的装备级性能/效能评估指标，同时，在此基础上确定指标之间的从属级关系；
评估指标体系建立步骤：根据确定的指标之间的从属关系构建评估指标体系。
其中，评估指标初选步骤中形成体系级效能指标和装备级性能/效能指标包括：
体系级效能指标表示为{x1,x2,…xn}，其中xi表示第i个体系级评估指标，n表示体系级效能指标集个数；
装备级性能/效能评估指标表示为{y1,y2,…ym}，其中yj表示第j个装备级性能/效能评估指标，m表示装备级性能/效能评估指标个数。
评估指标样本获取步骤中对评估对象的仿真模型进行的试验包括：均匀、正交或者拉丁超立方试验。
评估指标样本获取步骤中得到的多组体系级效能指标值和装备级性能/效能评估指标值包括：
体系级效能指标xi样本表示为{xi1,xi2,…xio}，其中xik表示第i个体系级评估指标的第k个样本值；
装备级性能/效能评估指标yj样本表示为{yj1,yj2,…yjn}，其中yjl表示第j个装备级性能/效能评估指标的第l个样本值。
关联评估指标提取步骤中，获得装备级性能/效能指标与体系级效能指标值的关联规则的步骤包括：
步骤1：以装备级性能/效能指标为前件，体系级效能指标为后件，找出去除末属性的频繁项集，若装备级性能/效能指标有数值型属性，则进行离散化；
步骤2：分别对频繁项集对应后件的样本值进行聚类，找出最大簇；
步骤3：计算最大簇的区间，判断是否满足最小支持度计数条件；最初划分的簇个数为Num，若Num个簇的最大簇不满足最小支持度计数条件，则对Num进行减1，并返回步骤2，反之则进入步骤4；
步骤4：以步骤1中找出的频繁项集为前件，以步骤3中找出的最大簇的区间范围为后件，生成关联规则；
步骤5：计算关联规则的支持度、置信度及兴趣度；
步骤6：输出所有关联关系，按照兴趣度进行排序；
其中，兴趣度为置信度与后件出现频率的比值，具体计算如下：
A→B的兴趣度＝(A→B的置信度)/(B出现的频率)。
在上述一种基于关联分析的体系效能评估指标体系构建方法的基础上，本发明还提供一种基于关联分析的体系效能评估指标体系构建系统，包括：
评估指标初选模块：依据评估目的、评估对象以及评估对象的输入/输出信息给出对效能产生影响的指标，并形成体系级效能指标和装备级性能/效能指标；
评估指标样本获取模块：对评估对象的仿真模型进行试验，依据仿真试验数据以及初选的指标得到多组体系级效能指标值和装备级性能/效能评估指标值；
关联评估指标提取模块：采用关联规则挖掘算法对体系级效能指标值和装备级性能/效能评估指标值进行分析，获得装备级性能/效能指标与体系级效能指标值的关联规则，进而获取与体系级效能指标相关的装备级性能/效能评估指标，同时，在此基础上确定指标之间的从属级关系；
评估指标体系建立模块：根据确定的指标之间的从属关系构建评估指标体系。
图1是本发明一个实施例的装备体系效能评估指标体系构建流程图。本实施例以某防空装备体系效能评估指标体系构建为例。
在步骤101中，根据评估目的、评估对象以及对象的输入/输出信息分析，确定体系级效能指标为搜索发现能力、跟踪识别能力和拦截能力。装备级性能/效能指标为最大探测距离、最小探测距离、雷达分辨率、跟踪目标距离、跟踪目标精度、跟踪目标数量、目标分类正确率、识别目标概率、虚警率、最大拦截斜距、最大射击纵深、单发杀伤概率、多目标能力、战斗准备时间、展开时间、导弹装填时间。
在步骤102中，在评估对象仿真模型上开展均匀、正交或者拉丁超立方等试验。依据仿真试验数据以及初选指标集得到多组初选指标样本值。
在步骤103a中，运用指标集合指标样本值，分别以体系级效能指标搜索发现能力、跟踪识别能力和拦截能力为后件，以装备级性能/效能指标为前件采用关联分析方法挖掘频繁项。
在步骤103b～103c中，确定簇个数后体系级效能指标搜索发现能力、跟踪识别能力和拦截能力样本值进行聚类，计算最大簇区间，计算是否满足最小支持度，通过迭代完成后件样本聚类；
在步骤103d中，根据103a中生成的频繁项和103c中计算得到的最大簇区间，生成关联规则。计算支持度、置信度和兴趣度，按照兴趣度进行排序得到关联规则为：{(最大探测距离、最小探测距离、雷达分辨率、战斗准备时间)→搜索发现能力}、{(最大探测距离、雷达分辨率、跟踪目标距离、跟踪目标精度、识别目标概率、虚警率)→跟踪识别能力}、{(最大探测距离、跟踪目标距离、跟踪目标精度、最大拦截斜距、单发杀伤概率、多目标能力)→拦截能力}。
在步骤104中，根据步骤103d得到的关联规则，构建层次化评估指标体系如图2所示。由图可见，本发明通过关联分析方法识别出了最大探测距离、雷达分辨率与跟踪识别能力间的关联关系，最大探测距离、跟踪目标距离、跟踪目标精度与拦截能力间的关联关系。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种基于关联分析的体系效能评估指标体系构建方法，其特征在于，包括：
评估指标初选步骤，根据评估目的、评估对象以及对象的输入/输出信息分析，确定体系级效能指标为搜索发现能力、跟踪识别能力和拦截能力；装备级性能/效能指标为最大探测距离、最小探测距离、雷达分辨率、跟踪目标距离、跟踪目标精度、跟踪目标数量、目标分类正确率、识别目标概率、虚警率、最大拦截斜距、最大射击纵深、单发杀伤概率、多目标能力、战斗准备时间、展开时间和导弹装填时间；
评估指标样本获取步骤，在评估对象仿真模型上试验，得到多组体系级效能指标值和装备级性能/效能评估指标值；
关联评估指标提取步骤，包括：
步骤103a，运用体系级效能指标值和装备级性能/效能评估指标值，分别以体系级效能指标搜索发现能力、跟踪识别能力和拦截能力为后件，以装备级性能/效能指标为前件采用关联分析方法挖掘频繁项；
步骤103b～103c，确定簇个数后体系级效能指标搜索发现能力、跟踪识别能力和拦截能力样本值进行聚类，计算最大簇区间，计算是否满足最小支持度，通过迭代完成后件样本聚类；
步骤103d，根据103a中生成的频繁项和103c中计算得到的最大簇区间，生成关联规则；计算支持度、置信度和兴趣度，按照兴趣度进行排序得到关联规则为：{(最大探测距离、最小探测距离、雷达分辨率、战斗准备时间)→搜索发现能力}、{(最大探测距离、雷达分辨率、跟踪目标距离、跟踪目标精度、识别目标概率、虚警率)→跟踪识别能力}、{(最大探测距离、跟踪目标距离、跟踪目标精度、最大拦截斜距、单发杀伤概率、多目标能力)→拦截能力}；
评估指标体系建立步骤，根据步骤103d得到的关联规则，构建层次化评估指标体系；
所述关联评估指标提取步骤中，获得装备级性能/效能指标与体系级效能指标值的关联规则的步骤包括：
步骤1：以装备级性能/效能指标为前件，体系级效能指标为后件，找出去除末属性的频繁项集，若装备级性能/效能指标有数值型属性，则进行离散化；
步骤2：分别对频繁项集对应后件的样本值进行聚类，找出最大簇；
步骤3：计算最大簇的区间，判断是否满足最小支持度计数条件；最初划分的簇个数为Num，若Num个簇的最大簇不满足最小支持度计数条件，则对Num进行减1，并返回步骤2，反之则进入步骤4；
步骤4：以步骤1中找出的频繁项集为前件，以步骤3中找出的最大簇的区间范围为后件，生成关联规则；
步骤5：计算关联规则的支持度、置信度及兴趣度；
步骤6：输出所有关联关系，按照兴趣度进行排序；
其中，兴趣度为置信度与后件出现频率的比值，具体计算如下：
A→B的兴趣度＝(A→B的置信度)/(B出现的频率)。
2.根据权利要求1所述的基于关联分析的体系效能评估指标体系构建方法，其特征在于，所述评估指标初选步骤中形成体系级效能指标和装备级性能/效能指标包括：
体系级效能指标表示为{x1,x2,…xn}，其中xi表示第i个体系级评估指标，n表示体系级效能指标集个数；
装备级性能/效能评估指标表示为{y1,y2,…ym}，其中yj表示第j个装备级性能/效能评估指标，m表示装备级性能/效能评估指标个数。
3.根据权利要求1所述的基于关联分析的体系效能评估指标体系构建方法，其特征在于，所述评估指标样本获取步骤中对评估对象的仿真模型进行的试验包括：均匀、正交或者拉丁超立方试验。
4.根据权利要求1所述的基于关联分析的体系效能评估指标体系构建方法，其特征在于，所述评估指标样本获取步骤中得到的多组体系级效能指标值和装备级性能/效能评估指标值包括：
体系级效能指标xi样本表示为{xi1,xi2,…xio}，其中xik表示第i个体系级评估指标的第k个样本值；
装备级性能/效能评估指标yj样本表示为{yj1,yj2,…yjn}，其中yjl表示第j个装备级性能/效能评估指标的第l个样本值。
5.一种基于关联分析的体系效能评估指标体系构建系统，其特征在于，包括：
评估指标初选模块，根据评估目的、评估对象以及对象的输入/输出信息分析，确定体系级效能指标为搜索发现能力、跟踪识别能力和拦截能力；装备级性能/效能指标为最大探测距离、最小探测距离、雷达分辨率、跟踪目标距离、跟踪目标精度、跟踪目标数量、目标分类正确率、识别目标概率、虚警率、最大拦截斜距、最大射击纵深、单发杀伤概率、多目标能力、战斗准备时间、展开时间和导弹装填时间；
评估指标样本获取模块，在评估对象仿真模型上试验，得到多组体系级效能指标值和装备级性能/效能评估指标值；
关联评估指标提取模块，包括：
子模块103a，运用体系级效能指标值和装备级性能/效能评估指标值，分别以体系级效能指标搜索发现能力、跟踪识别能力和拦截能力为后件，以装备级性能/效能指标为前件采用关联分析方法挖掘频繁项；
子模块103b、103c，确定簇个数后体系级效能指标搜索发现能力、跟踪识别能力和拦截能力样本值进行聚类，计算最大簇区间，计算是否满足最小支持度，通过迭代完成后件样本聚类；
子模块103d，根据子模块103a中生成的频繁项和子模块103c中计算得到的最大簇区间，生成关联规则；计算支持度、置信度和兴趣度，按照兴趣度进行排序得到关联规则为：{(最大探测距离、最小探测距离、雷达分辨率、战斗准备时间)→搜索发现能力}、{(最大探测距离、雷达分辨率、跟踪目标距离、跟踪目标精度、识别目标概率、虚警率)→跟踪识别能力}、{(最大探测距离、跟踪目标距离、跟踪目标精度、最大拦截斜距、单发杀伤概率、多目标能力)→拦截能力}；
评估指标体系建立模块，根据子模块103d得到的关联规则，构建层次化评估指标体系；
所述关联评估指标提取模块中，获得装备级性能/效能指标与体系级效能指标值的关联规则的步骤包括：
步骤1：以装备级性能/效能指标为前件，体系级效能指标为后件，找出去除末属性的频繁项集，若装备级性能/效能指标有数值型属性，则进行离散化；
步骤2：分别对频繁项集对应后件的样本值进行聚类，找出最大簇；
步骤3：计算最大簇的区间，判断是否满足最小支持度计数条件；最初划分的簇个数为Num，若Num个簇的最大簇不满足最小支持度计数条件，则对Num进行减1，并返回步骤2，反之则进入步骤4；
步骤4：以步骤1中找出的频繁项集为前件，以步骤3中找出的最大簇的区间范围为后件，生成关联规则；
步骤5：计算关联规则的支持度、置信度及兴趣度；
步骤6：输出所有关联关系，按照兴趣度进行排序；
其中，兴趣度为置信度与后件出现频率的比值，具体计算如下：
A→B的兴趣度＝(A→B的置信度)/(B出现的频率)。
6.根据权利要求5所述的基于关联分析的体系效能评估指标体系构建系统，其特征在于，所述评估指标初选模块中形成体系级效能指标和装备级性能/效能指标包括：
体系级效能指标表示为{x1,x2,…xn}，其中xi表示第i个体系级评估指标，n表示体系级效能指标集个数；
装备级性能/效能评估指标表示为{y1,y2,…ym}，其中yj表示第j个装备级性能/效能评估指标，m表示装备级性能/效能评估指标个数。
7.根据权利要求5所述的基于关联分析的体系效能评估指标体系构建系统，其特征在于，所述评估指标样本获取模块中对评估对象的仿真模型进行的试验包括：均匀、正交或者拉丁超立方试验。
8.根据权利要求5所述的基于关联分析的体系效能评估指标体系构建系统，其特征在于，所述评估指标样本获取模块中得到的多组体系级效能指标值和装备级性能/效能评估指标值包括：
体系级效能指标xi样本表示为{xi1,xi2,…xio}，其中xik表示第i个体系级评估指标的第k个样本值；
装备级性能/效能评估指标yj样本表示为{yj1,yj2,…yjn}，其中yjl表示第j个装备级性能/效能评估指标的第l个样本值。
CN201811160494.4A 2018-09-30 2018-09-30 基于关联分析的体系效能评估指标体系构建方法及系统 Active CN109409695B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811160494.4A CN109409695B (zh) 2018-09-30 2018-09-30 基于关联分析的体系效能评估指标体系构建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811160494.4A CN109409695B (zh) 2018-09-30 2018-09-30 基于关联分析的体系效能评估指标体系构建方法及系统

Publications (2)

Publication Number Publication Date
CN109409695A CN109409695A (zh) 2019-03-01
CN109409695B true CN109409695B (zh) 2020-02-04

Family

ID=65465776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811160494.4A Active CN109409695B (zh) 2018-09-30 2018-09-30 基于关联分析的体系效能评估指标体系构建方法及系统

Country Status (1)

Country Link
CN (1) CN109409695B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119097B (zh) * 2019-04-08 2021-08-17 上海机电工程研究所 武器系统半实物仿真数据相似性检验方法
CN110309148A (zh) * 2019-05-20 2019-10-08 上海机电工程研究所 导弹测试数据的结构化存储与管理方法和系统
CN110874413B (zh) * 2019-11-14 2023-04-07 哈尔滨工业大学 一种基于关联规则挖掘的防空多武器系统效能评估指标体系建立方法
CN111080108B (zh) * 2019-12-06 2021-10-15 上海机电工程研究所 数据驱动的武器装备作战效能评估指标筛选方法及系统
CN111047178A (zh) * 2019-12-06 2020-04-21 上海机电工程研究所 基于灰色关联的武器系统效能指标筛选方法及系统
CN111553606A (zh) * 2020-05-06 2020-08-18 上海核工程研究设计院有限公司 一种对核电设备组件设计与设备指标关联性的评估方法
CN111667149B (zh) * 2020-05-13 2022-07-08 北京理工大学 面向大型科技工程、仿真和专家评估的体系效能评估方法
CN112053042A (zh) * 2020-08-20 2020-12-08 湖南新航动力信息科技有限公司 动态构建效能评估体系的方法、系统、计算机设备及存储介质
CN113408137B (zh) * 2021-06-29 2022-06-10 中国舰船研究设计中心 一种基于任务完成度和损失比的体系作战效能分析方法
CN113421000B (zh) * 2021-06-30 2023-07-11 中国人民解放军国防科技大学 一种通信设备自主可控评估方法
CN113657788A (zh) * 2021-08-24 2021-11-16 中国安全生产科学研究院 一种企业安全生产标准化智能监管系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384128A (zh) * 2016-09-09 2017-02-08 西安交通大学 一种挖掘时序数据状态关联的方法
CN106934557A (zh) * 2017-03-22 2017-07-07 上海机电工程研究所 面向任务的武器装备体系贡献度评估方法
CN106952039A (zh) * 2017-03-22 2017-07-14 上海机电工程研究所 武器装备体系效能评估指标体系构建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384128A (zh) * 2016-09-09 2017-02-08 西安交通大学 一种挖掘时序数据状态关联的方法
CN106934557A (zh) * 2017-03-22 2017-07-07 上海机电工程研究所 面向任务的武器装备体系贡献度评估方法
CN106952039A (zh) * 2017-03-22 2017-07-14 上海机电工程研究所 武器装备体系效能评估指标体系构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Performing Global Uncertainty and Sensitivity Analysis from Given Data in Tunnel Construction;Limao Zhang 等;《Journal of Computing in Civil Engineering》;20170913;全文 *
基于效能评估的武器装备体系优化设计方法;钱晓超 等;《系统仿真技术》;20171130;第13卷(第4期);全文 *

Also Published As

Publication number Publication date
CN109409695A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
CN109409695B (zh) 基于关联分析的体系效能评估指标体系构建方法及系统
CN111080108B (zh) 数据驱动的武器装备作战效能评估指标筛选方法及系统
CN104050318B (zh) 一种战术导弹武器系统精度仿真及校验方法
CN105183993A (zh) 一种电磁轨道炮综合仿真平台及方法
Xu et al. Density-based modularity for evaluating community structure in bipartite networks
CN103617163A (zh) 基于聚类分析的目标快速关联方法
RU2702503C1 (ru) Способ моделирования процессов обоснования требуемого уровня живучести распределенных сетей связи вышестоящей системы управления в условиях вскрытия и внешних деструктивных воздействий
CN112749761A (zh) 基于注意力机制和循环神经网络的敌方作战意图识别方法及系统
CN109726366A (zh) 基于随机森林的红外成像导引头抗干扰性能评估方法、系统及介质
KR20220160398A (ko) 군사 시뮬레이션 시스템 및 그의 동작 방법
CN115795353B (zh) 一种基于不均衡数据集的地下金属目标分类方法及系统
KR102565906B1 (ko) 항공작전에서 공격편대군 작전계획 수립을 위한 인공지능
CN113204924B (zh) 一种面向复杂问题的评估分析方法、装置和计算机设备
Lv et al. A dynamic programming Bayesian network structure learning algorithm based on mutual information
RU2640734C1 (ru) Способ моделирования пунктов управления
Pang et al. Detecting continual anomalies in monitoring data stream based on sampling GPR algorithm
Lampinen et al. Joint threat assessment with asset profiling and entity bayes net
Shkiliuk et al. Discrete-Continuous Stochastic Model of Behavior Algorithm of Surveillance and Target Acquisition System.
Liu et al. Bayesian Inference of Ammunition Consumption Based on Normal‐Inverse Gamma Distribution
Li et al. Research on Radar Operation Pattern Recognition Method Based on MLP Optimization
Haibao et al. Performance evaluation of the Integrated Avionics Simulation system based on grey theory
Lienkov et al. Evaluation of Radars Resolution Capability Using Simulation Mathematical Model
Yang et al. MFR Working Mode Recognition Based on CNN-BILSTM-SoftAttention Model
Trevisani et al. Air Force hierarchy of models: a look inside the great pyramid
Özkan et al. A reference architecture for military simulations with experimentation and analysis features

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Qian Xiaochao

Inventor after: Lu Zhifeng

Inventor after: Hong Zehua

Inventor after: Dong Chen

Inventor after: Lu Yingbo

Inventor after: Zhang Jiajun

Inventor after: Xie Weijian

Inventor before: Qian Xiaochao

Inventor before: Lu Zhifeng

Inventor before: Hong Zehua

Inventor before: Dong Chen

Inventor before: Lu Yingbo

Inventor before: Zhang Jiajun

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant