【技术实现步骤摘要】
本专利技术涉及地理信息和计算机图形，是一种基于多态信息数据的融合处理方法和系统。
技术介绍
1、兵棋是运用形象化表示战场环境和对抗力量的地图和棋子，以实践经验统计分析形成的规则(数据)为主、模型为辅，模拟并裁决双方或多方对抗博弈活动的工具。
2、在兵棋仿真领域，基于陆战、海战、空战、电子战、网络战、太空战等不同战场分域，汇聚了大量的各类对抗实体，仿真推演过程中的棋子态势数据、事件态势数据，具备海量、异构、多源等大数据特点。如此大规模的多态数据，使兵棋态势的图幅信息容量大幅增加。然而，对于实现兵棋仿真态势大规模多态信息数据可视化显示的现有方法，操作繁琐，且花费时间长。
3、兵棋态势依托棋盘、棋子以及相关事件信息综合展现实时态势信息。多样式表现态势显示除了兵棋基本态势，还包括重点扩展事件态势。此外，在如何有效的对由棋盘、棋子、事件、任务等构成的复杂态势信息进行实时的综合显示控制、如何对复杂的信息进行切面显示或指定展示、如何减少信息过载、降低信息内容混淆、以及如何辅助提高用户对战场态势信息理解能力等多个方面，仍存在很大改进空间。
4、因此，有必要提供一种多态信息数据的融合处理方法和系统，以解决上述问题。
技术实现思路
1、本专利技术旨在提供一种基于多态信息数据的融合处理方法和系统，以解决现有技术中无法有效实现由棋盘、棋子、事件、任务等构成的大规模复杂态势信息的实时综合显示，如何对复杂的信息进行切面显示或指定展示、如何减少信息过载、降低信息内容混淆、以及
2、本专利技术第一方面提供一种基于多态信息数据的融合处理方法，包括：根据兵棋态势数据中各棋子所对应的实体属性，将各棋子的推演数据从高维空间映射为二维空间中的二维矩阵，以形成过滤条件；对各棋子的实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵；评估用户行为倾向，对所述显隐控制矩阵进行变换；在接收到用户输入时，获取变换后的显隐控制矩阵，以对兵棋态势数据、事件态势数据进行过滤处理。
3、根据可选实施方式，所述对各棋子的实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵，包括：将多组二维矩阵中的每组二维矩阵按指定分割粒度进行分割，并分割为多个二维矩阵以形成新的二维矩阵；对所形成的新的二维矩阵进行聚合计算，得到中间显隐控制矩阵；将合并生成的中间显隐控制矩阵进行归并操作，以得到最终的显隐控制矩阵。
4、根据可选实施方式，进一步包括：对待聚合的第一矩阵和第二矩阵进行奇异值分解，再将奇异值分解后的第一矩阵和第二矩阵进行加权聚合，得到中间显隐控制矩阵：
5、σ_c＝ασ_a+βσ_b
6、其中，σ_c表示将奇异值分解后的第一矩阵和第二矩阵进行加权聚合，得到中间显隐控制矩阵；σ_a表示将待聚合的第一矩阵a进行奇异值分解后得到的第一矩阵；σ_b表示将待聚合的第二矩阵b进行奇异值分解后得到的第二矩阵；α和β是分别与奇异值分解后的第一矩阵和第二矩阵相对应的权重系数。
7、根据可选实施方式，进一步包括：使用熵值法对权重系数进行赋值，α权重系数的计算公式为：
8、α＝-lnnp(a)lnp(a)
9、其中，α是与奇异值分解后的第一矩阵a相对应的权重系数；第一矩阵a是n行m列的矩阵，n是第一矩阵a的总行数，ln表示以e为底的对数运算。
10、p(a)＝σni＝1,aij，aij为奇异值分解后的第一矩阵a中第i行j列的元素，i、j为正整数，n为第一矩阵a的总行数。
11、根据可选实施方式，所述评估用户行为倾向，包括：采用神经网络建立用户行为倾向预测模型，使用属方、所属战斗区、用户类型、实际状态所形成的显示状态形成用户显示状态标签，定义正样本、负样本，将标注有用户显示状态标签的用户输入参数作为训练数据集，对用户行为倾向预测模型进行训练，得到训练好的用户行为倾向预测模型；将用户输入参数输入训练好的用户行为倾向预测模型，输出与用户输入参数相对应的用户行为倾向预测值，所述用户行为倾向预测值例如为多维向量或多维矩阵。
12、根据可选实施方式，筛选特征矩阵，依据特征矩阵，对显隐控制矩阵进行筛选，以得到与用户行为倾向相匹配的态势显示。
13、根据可选实施方式，采用链地址法，根据分类处理后、且分层处理后的各棋子所对应的属性信息或数据，建立多级索引矩阵，所述多级索引矩阵包含不同层级的连带关系、同一层级的不同类型的关联关系。
14、本专利技术第二方面提供一种基于多态信息数据的融合处理系统，其使用本专利技术第一方面所述的基于多态信息数据的融合处理方法，所述融合处理系统包括：形成处理模块，根据兵棋态势数据中各棋子所对应的实体属性，将各棋子的推演数据从高维空间映射为二维空间中的二维矩阵，以形成过滤条件；生成处理模块，对各实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵；评估处理模块，评估用户行为倾向，对所述显隐控制矩阵进行变换；过滤处理模块，在接收到用户输入时，获取变换后的显隐控制矩阵，以对兵棋态势数据、事件态势数据进行过滤处理。
15、本专利技术第三方面提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术第一方面所述的基于多态信息数据的融合处理方法。
16、本专利技术第四方面提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术第一方面所述的基于多态信息数据的融合处理方法。
17、本专利技术的有益效果：
18、与现有技术相比，本专利技术根据兵棋态势数据中各棋子所对应的实体属性，将各棋子的推演数据从高维空间映射为二维空间中的二维矩阵，以形成过滤条件；对各棋子的实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵，通过评估用户行为倾向，对显隐控制矩阵进行变换；在接收到用户输入时，获取变换后的显隐控制矩阵，以对兵棋态势数据、事件态势数据进行过滤处理，能够降低计算的时间复杂度，能够快速切换态势信息的显隐状态，显著降低渲染要素的数量，从而大幅提高态势可视化渲染效率，同时减少态势信息干扰。
本文档来自技高网...【技术保护点】
1.一种基于多态信息数据的融合处理方法，其特征在于，包括：
2.根据权利要求1所述的基于多态信息数据的融合处理方法，其特征在于，所述对各棋子实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵，包括：
3.根据权利要求2所述的基于多态信息数据的融合处理方法，其特征在于，进一步包括：
4.根据权利要求3所述的基于多态信息数据的融合处理方法，其特征在于，进一步包括：
5.根据权利要求1所述的基于多态信息数据的融合处理方法，其特征在于，所述评估用户行为倾向，包括：
6.根据权利要求1所述的基于多态信息数据的融合处理方法，其特征在于，包括：
7.根据权利要求1所述的基于多态信息数据的融合处理方法，其特征在于，
8.一种基于多态信息数据的融合处理系统，其特征在于，其使用权利要求1至7中任一项所述的基于多态信息数据的融合处理方法，所述融合处理系统包括：
9.根据权利要求8所述的基于多态信息数据的融合处理系统，其特征在于，所述对各棋子的实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵，包括：p>
10.根据权利要求8所述的基于多态信息数据的融合处理系统，其特征在于，进一步包括：
...【技术特征摘要】
1.一种基于多态信息数据的融合处理方法，其特征在于，包括：
2.根据权利要求1所述的基于多态信息数据的融合处理方法，其特征在于，所述对各棋子实体属性进行聚合计算，生成态势显示要素的显隐控制矩阵，包括：
3.根据权利要求2所述的基于多态信息数据的融合处理方法，其特征在于，进一步包括：
4.根据权利要求3所述的基于多态信息数据的融合处理方法，其特征在于，进一步包括：
5.根据权利要求1所述的基于多态信息数据的融合处理方法，其特征在于，所述评估用户行为倾向，包括：
6.根据权利要求1所...
【专利技术属性】
技术研发人员：周成军，曹占广，李浩，曲玉言，刘若青，金锦，司光亚，吴琳，尹宗润，孟祥林，韩红亮，宋士兵，张体奎，刘洋，曹毅，王飞，刘经德，唐宇波，杨镜宇，周文，吴孝磊，柴朝辉，梁丽伟，张翰，师磊，
申请(专利权)人：中国人民解放军国防大学联合作战学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。