本發(fā)明涉及軍事仿真試驗，尤其涉及一種基于領(lǐng)域知識融合的行為預(yù)測方法及裝置。

背景技術(shù)：

1、隨著未來信息化戰(zhàn)爭節(jié)奏不斷加快，對指揮員的戰(zhàn)場態(tài)勢研判和指揮決策能力提出了更高要求。如何輔助指揮員對目標(biāo)實施快速和準(zhǔn)確的意圖判斷分析，對獲取信息優(yōu)勢和決策優(yōu)勢、取得戰(zhàn)場主動權(quán)有著重要作用。通過與指揮信息系統(tǒng)的持續(xù)交互，獲取最新的戰(zhàn)場情報信息，基于仿真模型，對真實系統(tǒng)全局或局部進行實時和在線的交互式仿真，不斷構(gòu)建和修正仿真實體并進行超實時仿真推演，并根據(jù)仿真模型、基礎(chǔ)數(shù)據(jù)和歷史經(jīng)驗，對敵方目標(biāo)可能的作戰(zhàn)意圖和行為做出判斷，生成下一時刻的預(yù)測結(jié)果并反饋給指揮信息系統(tǒng)，循環(huán)往復(fù)，使指揮員能“透視”未來并及時做出響應(yīng)，輔助指揮員形成作戰(zhàn)方案。平行仿真系統(tǒng)改變了以往仿真系統(tǒng)的非主導(dǎo)地位，其角色從被動到主動、靜態(tài)到動態(tài)及離線到在線，使仿真成為指揮決策核心能力的組成部分。

2、針對試驗場實體行為預(yù)測，現(xiàn)階段常見的是通過結(jié)合領(lǐng)域知識庫對實體行為進行分類，從而實現(xiàn)預(yù)測?，F(xiàn)有技術(shù)分類最常見的是svm分類，現(xiàn)階段對于實體行為預(yù)測效果較好的是基于灰狼(grey?wolf?optimization，gwo)算法優(yōu)化的svm實體行為預(yù)測技術(shù)。該方法的實現(xiàn)流程如圖1所示。首先從真實試驗場獲得實時的實體數(shù)據(jù)，通過接口處理與領(lǐng)域知識庫進行匹配，匹配算法采用基于gwo的svm分類算法，通過歷史情報數(shù)據(jù)進行分類，從而實現(xiàn)預(yù)測，并將預(yù)測結(jié)果進行超實時仿真推演。

3、由于灰狼優(yōu)化算法隨機初始化狼群，導(dǎo)致搜索過程不太穩(wěn)定，因此進一步引入混沌序列思想，使樣本均勻分布在樣本附近。利用灰狼算法進行最優(yōu)查找svm向量機的懲罰因子和核函數(shù)半徑，從而提高svm分類器的預(yù)測準(zhǔn)確度。

4、將差分搜索的思想引入gwo，在迭代過程中引入粒子群優(yōu)化算法(particle?swarmoptimization，pso)，使其能夠保存進化過程中的最優(yōu)解。位置更新公式為：

5、

6、svm回歸預(yù)測模型有兩個重要的參數(shù)，分別是懲罰系數(shù)c和核函數(shù)半徑r。不敏感損失函數(shù)參數(shù)ε也會直接影響預(yù)測精度值，ε越大支持向量數(shù)越少，得到的解表達式越稀疏，但回歸預(yù)測的精度降低。改進的灰狼算法優(yōu)化支持向量機預(yù)測模型參數(shù)尋優(yōu)過程的步驟如下。

7、步驟一：對樣本數(shù)據(jù)進行歸一化處理。歸一化處理是為了將不同量綱的原始數(shù)據(jù)規(guī)整到固定區(qū)間。本文采用歸一化函數(shù)將不同量綱的原始數(shù)據(jù)規(guī)整到[0,1]。

8、步驟二：劃分訓(xùn)練集和預(yù)測集，建立支持向量機模型，并對支持向量機模型參數(shù)進行優(yōu)化，找到支持向量機回歸預(yù)測模型的參數(shù)[c,g]最優(yōu)解。

9、步驟三：對支持向量機回歸預(yù)測模型的性能進行評估，如果性能不夠理想，則重新設(shè)定粒子群算法相關(guān)參數(shù)轉(zhuǎn)至步驟二重新尋優(yōu)，輸出最優(yōu)參數(shù)。

10、步驟四：利用最優(yōu)參數(shù)[c,g]訓(xùn)練支持向量機模型，將該模型用于預(yù)測集樣本回歸預(yù)測，將預(yù)測結(jié)果進行反歸一化處理。

11、現(xiàn)有技術(shù)雖然利用了領(lǐng)域知識庫，但是只用了svm分類，對于知識庫的利用不夠完全，無法將更多信息納入分類的前置條件中，也忽略了知識庫本身知識之間的連鎖關(guān)聯(lián)，無法挖掘更多的信息進行輔助決策。

技術(shù)實現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種基于領(lǐng)域知識融合的行為預(yù)測方法及裝置，用以解決試驗場實體行為預(yù)測技術(shù)中對知識庫利用程度低、知識關(guān)聯(lián)較少的技術(shù)問題。

2、本發(fā)明提出了一種基于領(lǐng)域知識融合的行為預(yù)測方法，所述方法包括：

3、步驟s1：構(gòu)建領(lǐng)域知識庫知識圖譜，所述領(lǐng)域知識庫知識圖譜包括“實體—關(guān)系—實體”三元組形式的多個知識，所述知識的實體包括時間要素、事件、待預(yù)測行為的對象主體、行動規(guī)則；所述知識的關(guān)系包括事件間的關(guān)聯(lián)關(guān)系、時間的先后關(guān)系；為實體設(shè)置一個或多個屬性；

4、步驟s2：待預(yù)測行為的對象的實時數(shù)據(jù)作為第一輸入信息；

5、步驟s3：由所述領(lǐng)域知識庫知識圖譜對所述第一輸入信息進行匹配，若匹配成功則輸出所述待預(yù)測行為的對象的行為，方法結(jié)束；否則，獲取第二信息，所述第二信息為用戶的輸入信息或第一輸入信息中的實時數(shù)據(jù)，在第二信息為用戶的輸入信息時，基于所述輸入信息確定所述待預(yù)測行為的對象的行為，方法結(jié)束；在第二信息為第一輸入信息中的實時數(shù)據(jù)時，對所述待預(yù)測行為的對象的行為進行推算，獲取所述待預(yù)測行為的對象的最新實時數(shù)據(jù)，將推算的結(jié)果及所述待預(yù)測行為的對象的最新實時數(shù)據(jù)作為第一輸入信息，進入步驟s3。

6、優(yōu)選地，在確定所述待預(yù)測行為的對象的行為后，將所述待預(yù)測行為的對象的行為發(fā)送給仿真推演系統(tǒng)，由所述仿真推演系統(tǒng)基于所述待預(yù)測行為的對象的行為，分析所述對象的意圖，對所述對象的行為和意圖進行展示。

7、優(yōu)選地，所述領(lǐng)域知識庫知識圖譜的構(gòu)建方式為：

8、獲取歷史數(shù)據(jù)、當(dāng)前試驗任務(wù)的試驗數(shù)據(jù)，從歷史數(shù)據(jù)、當(dāng)前試驗任務(wù)的試驗數(shù)據(jù)中提取時間信息、空間環(huán)境信息、試驗任務(wù)目標(biāo)信息、實體對象、實體行為，所述實體行為即實體對象的行為；將試驗任務(wù)目標(biāo)信息作為行為信息；將實體對象作為所述領(lǐng)域知識庫知識圖譜的實體；將實體與行為信息間的關(guān)系作為實體間的關(guān)聯(lián)關(guān)系；將時間信息、空間環(huán)境信息作為屬性；組成三元組，構(gòu)建初始知識圖譜；

9、將所述初始知識圖譜中的三元組作為待融合實體，將實體行為作為待融合行為；同一實體對象和/或同一實體行為出現(xiàn)不同描述的情況即為共指，基于其他已有知識庫確定所述初始知識圖譜中能夠融合為一個三元組的若干個三元組、能夠融合為一個實體行為的若干個實體行為，并將能夠融合為一個三元組的全部三元組融合為一個三元組，能夠融合為一個實體行為的全部實體行為融合為一個實體行為，從而消解共指；消解共指后的初始知識圖譜作為領(lǐng)域知識庫知識圖譜。

10、優(yōu)選地，所述時間信息的時間類型包括精確時間、范圍類時間、模糊時間，精確時間使用具體時間點來描述事件發(fā)生時間；范圍類時間使用某一時間段來描述事件發(fā)生到結(jié)束或保持某種狀態(tài)的持續(xù)時間，且明確了起始時間和結(jié)束時間；模糊時間是指事件發(fā)生時間不明確或處在某一時間范圍內(nèi)；精確時間、范圍類時間、模糊時間分別作為所述領(lǐng)域知識庫知識圖譜的屬性；

11、作戰(zhàn)目標(biāo)信息描述實體行為涉及到的軍事目標(biāo)，根據(jù)軍事決策需求，限定為武器裝備，并將作戰(zhàn)目標(biāo)定義為單一目標(biāo)、多目標(biāo)和復(fù)合目標(biāo)；單一目標(biāo)表示事件只涉及到一種類型的武器裝備，多目標(biāo)表示事件涉及多種裝備，復(fù)合目標(biāo)表示事件所涉及的軍事目標(biāo)有多個子目標(biāo)組成；作戰(zhàn)目標(biāo)信息作為所述領(lǐng)域知識庫知識圖譜的屬性；

12、作戰(zhàn)任務(wù)信息描述實體行為涉及到的發(fā)生動作的簡要描述，作戰(zhàn)任務(wù)信息也分為單一任務(wù)和多任務(wù)；單一任務(wù)是對單一動作的描述，多任務(wù)是對每個動作進行描述形成多個任務(wù)，任務(wù)之間存在邏輯關(guān)系；作戰(zhàn)任務(wù)信息作為所述領(lǐng)域知識庫知識圖譜的屬性。

13、優(yōu)選地，所述步驟s3，由所述領(lǐng)域知識庫知識圖譜對所述第一輸入信息進行匹配，若匹配成功則輸出所述待預(yù)測行為的對象的行為，包括：

14、在所述領(lǐng)域知識庫知識圖譜中匹配待預(yù)測行為的對象的空間環(huán)境信息、位置信息、屬性信息，匹配成功后，將所述領(lǐng)域知識庫知識圖譜中匹配成功的實體對應(yīng)的行為信息作為所述待預(yù)測行為的對象的行為。

15、優(yōu)選地，在第二信息為第一輸入信息中的實時數(shù)據(jù)時，對所述待預(yù)測行為的對象的行為進行推算，包括：

16、步驟s31：將所述實時數(shù)據(jù)作為待分類數(shù)據(jù)，所述實時數(shù)據(jù)為實時試驗場產(chǎn)生的數(shù)據(jù)集合；設(shè)定聚類簇數(shù)k，從待分類數(shù)據(jù)集中隨機選取k個數(shù)據(jù)作為類簇中心，設(shè)置k個類簇中心狀態(tài)，初始值均為變化；

17、步驟s32：若存在類簇中心狀態(tài)為變化，進入步驟s33；否則，聚類完畢，將所述實時數(shù)據(jù)所屬的類簇的對應(yīng)的類簇中心作為推算的結(jié)果；

18、步驟s33：計算所述待分類數(shù)據(jù)集中其他數(shù)據(jù)到類簇中心的歐氏距離，將其劃分為與之最近的中心類別，從而得到類簇；對每個類簇均計算新的類簇中心，若新類簇中心與原類簇中心相同，則將該類簇對應(yīng)的類簇中心狀態(tài)設(shè)置為不變，進入步驟s32。

19、本發(fā)明提供一種基于領(lǐng)域知識融合的行為預(yù)測裝置，所述裝置包括：

20、知識圖譜構(gòu)建模塊：配置為構(gòu)建領(lǐng)域知識庫知識圖譜，所述領(lǐng)域知識庫知識圖譜包括“實體—關(guān)系—實體”三元組形式的多個知識，所述知識的實體包括時間要素、事件、待預(yù)測行為的對象主體、行動規(guī)則；所述知識的關(guān)系包括事件間的關(guān)聯(lián)關(guān)系、時間的先后關(guān)系；為實體設(shè)置一個或多個屬性；

21、信息獲取模塊：配置為待預(yù)測行為的對象的實時數(shù)據(jù)作為第一輸入信息；

22、匹配模塊：配置為由所述領(lǐng)域知識庫知識圖譜對所述第一輸入信息進行匹配，若匹配成功則輸出所述待預(yù)測行為的對象的行為，方法結(jié)束；否則，獲取第二信息，所述第二信息為用戶的輸入信息或第一輸入信息中的實時數(shù)據(jù)，在第二信息為用戶的輸入信息時，基于所述輸入信息確定所述待預(yù)測行為的對象的行為，方法結(jié)束；在第二信息為第一輸入信息中的實時數(shù)據(jù)時，對所述待預(yù)測行為的對象的行為進行推算，獲取所述待預(yù)測行為的對象的最新實時數(shù)據(jù)，將推算的結(jié)果及所述待預(yù)測行為的對象的最新實時數(shù)據(jù)作為第一輸入信息，觸發(fā)匹配模塊。

23、本發(fā)明提供一種電子設(shè)備，所述電子設(shè)備包括：

24、至少一個處理器；以及

25、與所述至少一個處理器通信連接的存儲器；其中，

26、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行如前所述的方法。

27、本發(fā)明提供一種存儲有計算機指令的非瞬時計算機可讀存儲介質(zhì)，所述計算機指令用于使所述計算機執(zhí)行如前所述的方法。

28、本發(fā)明通過領(lǐng)域知識融合技術(shù)，實現(xiàn)平行試驗場實體行為預(yù)測。本技術(shù)從實際需求出發(fā)，針對現(xiàn)階段試驗場實體行為預(yù)測技術(shù)中對知識庫利用程度低、知識關(guān)聯(lián)較少的問題，提出基于領(lǐng)域知識融合的試驗實體行為預(yù)測方法。

29、根據(jù)接收到的真實試驗場各類參訓(xùn)實體數(shù)據(jù)構(gòu)建知識圖譜，對未來不同時段敵我交戰(zhàn)態(tài)勢進行超實時仿真推演，實現(xiàn)對敵方實體機動方向、行為意圖等關(guān)鍵要素進行預(yù)測。

30、本發(fā)明所提出的基于領(lǐng)域知識融合的試驗實體行為預(yù)測方法相比于目前現(xiàn)有實體行為預(yù)測技術(shù)而言，至少具有兩方面的優(yōu)點。一是利用領(lǐng)域知識圖譜進行數(shù)據(jù)挖掘，對相關(guān)領(lǐng)域知識庫利用程度較高，對于實體行為的預(yù)測更為精準(zhǔn)；二是知識關(guān)聯(lián)程度高，通過知識融合使得圖譜中相關(guān)知識互相關(guān)聯(lián)，知識在網(wǎng)，使得關(guān)聯(lián)知識能夠輔助劃分更為精細的實體行為，對于預(yù)測實體下一步行為走勢有著非常重要的意義。

31、應(yīng)當(dāng)理解，
技術(shù)實現(xiàn)要素：
部分中所描述的內(nèi)容并非旨在限定本公開的實施例的關(guān)鍵或重要特征，亦非用于限制本公開的范圍。本公開的其它特征將通過以下的描述變得容易理解。