【技术实现步骤摘要】
本专利技术属于作战威胁评估，具体涉及一种人机协同威胁评估方法及装置。
技术介绍
1、随着人工智能技术的飞速发展，尤其是chatgpt的出现吸引了全世界对于人工智能和人之间关系的思考，在军事领域，认为指挥官可以将人工智能与他们的直觉和经验相结合，做出更快、更明智的决策；也有方案强调了人工智能技术在军事建模与仿真的成功运用是建立在决策过程中与指挥官的交互和不断学习之上的；另有些方案则认为ai支持的能力无法有效补充，更无法替代人类在理解和理解战略环境方面的作用。在军事决策过程中，威胁评估是一个关键的环节，它涉及到识别敌方的威胁程度和判断敌方的作战意图。精准的威胁评估能为后续的指令下达、武器装配、作战行动提供重要依据，最大程度地支撑作战决策。未来战场环境信息的多样化和复杂化使得威胁评估变得更加重要且具有挑战性。人工智能通过处理和整合各种来源的信息来提供全面的情报和威胁评估，但在实际作战，仍然需要人类指挥官来解读和理解这些信息。人类指挥官能够运用丰富的经验和直觉，考虑到战术上的复杂性以及敌方可能的意图和行动，从而做出更全面、更准确的决策。
2、迄今为止，已有大量学者对于战场的威胁评估开展研究，并提出了诸多方法，例如一些方案提出了一种基于区间数据的多无人作战飞机空战态势评估方法，另一些方案提出一种基于topsis的多时刻融合直觉模糊集排序模型，还有方案引入直觉模糊粗糙集，提出基于直觉模糊余弦相似度和信息熵进行反导作战威胁评估方法、采用直觉模糊熵计算目标属性权重，建立了基于ife和动态vikor的空中多目标威胁评估排序模型、在直觉
3、战场的威胁评估是一个典型的多属性决策(multipleattribute decisionmaking,madm)问题，决策者需要考虑不同属性之间的相互影响和权重，以及各属性对决策结果的重要性，从而进行多属性评估和决策分析。madm的常用方法包括层次分析法、模糊综合评价等，但随着问题复杂度的提升，仅使用单个方法存在一定局限性。
技术实现思路
1、本专利技术要解决的技术问题是提供一种能够准确地对敌方目标进行威胁度评估的人机协同威胁评估方法及装置。
2、本专利技术的内容包括提供一种人机协同威胁评估方法，包括：
3、采集目标的动态属性数据，所述动态属性数据为时序型数据；
4、对所述动态属性数据进行转化处理，形成球形模糊决策矩阵；
5、基于所述球形模糊决策矩阵、先验知识及预设置的球形模糊语言集确定定性指标决策矩阵，所述先验知识由多个军事专家基于经验信息提供，所述定性指标决策矩阵包含对应专家对每个定性指标的评价；
6、基于所述定性指标决策矩阵计算确定每个专家的权重；
7、基于所述专家的权重构建群体加权平均决策矩阵；
8、基于所述专家的权重及熵权法计算确定每个定性指标的权重；
9、至少基于与数据相似度、参考价值相关的算法处理所述加权平均决策矩阵，以得到所述目标在不同定性指标下的威胁评估值；
10、至少基于所述威胁评估值评估所述目标的威胁度。
11、作为一可选实施例，所述采集目标在第一时段的动态属性数据，包括：
12、基于无人侦查装备集群采集所述目标在第一时段内的动态属性数据，所述动态属性数据包括目标相对自身节点间的距离、空袭高度、移动速度、航向角。
13、作为一可选实施例，所述对所述动态属性数据进行转化处理，形成球形模糊决策矩阵，包括：
14、将所述动态属性数据处理形成满足时序的多个区间数据；
15、基于所述多个区间数据进行转换处理，形成球形模糊决策矩阵。
16、作为一可选实施例，所述定性指标包括成本型指标及效益型指标，所述基于所述定性指标决策矩阵计算确定每个专家的权重，包括：
17、将对应所述专家的定性指标决策矩阵进行标准化处理，以将所有定性指标的类型统一为效益型指标；
18、获得所述专家的初始专家权重，并基于所述初始专家权重及标准化处理后的定性指标决策矩阵计算确定初始群体加权平均策略矩阵；
19、基于得分函数处理所述定性指标决策矩阵得到决策得分矩阵；
20、基于所述决策得分矩阵确定群体最优决策矩阵及群体最劣决策矩阵；
21、分别计算所述定性指标决策矩阵与初始群体加权平均策略矩阵、群体最优决策矩阵及群体最劣决策矩阵之间的距离；
22、基于各个所述距离计算确定对应的所述专家的贴近度指数；
23、基于所述专家的贴近度指数计算确定对应所述专家的权重。
24、作为一可选实施例，所述基于所述专家的权重构建群体加权平均决策矩阵，包括：
25、基于所述专家的权重更新处理所述初始加权平均策略矩阵，得到所述群体加权平均策略矩阵；
26、所述基于每个所述专家的权重及熵权法计算确定每个定性指标的权重，包括：
27、基于所述群体加权平均策略矩阵计算每个所述定性指标的区间球形模糊熵；
28、基于所述定性指标的区间球形模糊熵计算信息冗余度；
29、基于所述信息冗余度计算确定所述定性指标的权重。
30、作为一可选实施例，所述至少基于与数据相似度、参考价值相关的算法处理所述加权平均决策矩阵，以得到所述目标在不同定性指标下的威胁评估值，包括：
31、基于topsis算法处理所述群体加权平均策略矩阵，得到对应每个所述定性指标的正理想解和负理想解；
32、计算确定所述群体加权平均策略矩阵中每个数据元素分别与对应的正理想解、负理想解之间的距离，得到第一距离矩阵和第二距离矩阵；
33、基于所述第一距离矩阵、第二距离矩阵计算所述目标的加权正负距离和；
34、对所述加权正负距离和进行无量纲化处理，并基于处理结果计算对应所述定性指标的距离贴近度比率；
35、至少基于所述距离贴近度比率确定所述目标在对应的定性指标下的威胁评估值。
36、作为一可选实施例，所述方法还包括：
37、基于所述目标的第一距离矩阵、第二距离矩阵计算所述目标关于各个定性指标的正负灰色关联度矩阵；
38、对每个所述正负灰色关联度矩阵进行无量纲化处理，并基于处理结果计算灰色贴近度比率；
39、基于各所述灰色贴近度比率计算正负距离灰色矩阵；
40、基于所述正负距离灰色矩阵计算得到对应所述目标的综合贴近度；
41、所述至少基于所述距离贴近度比率确定所述目标在对应的定性指标下的威胁评估值，包括：
42、至少基于所述距离贴近度比率、综合贴近度确定所述目标在对应的定性指标下的威胁评估值。
43、作为一可选实施例，所述方法还包括：
本文档来自技高网...
【技术保护点】
1.一种人机协同威胁评估方法，其特征在于，包括：
2.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述采集目标在第一时段的动态属性数据，包括：
3.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述对所述动态属性数据进行转化处理，形成球形模糊决策矩阵，包括：
4.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述定性指标包括成本型指标及效益型指标，所述基于所述定性指标决策矩阵计算确定每个专家的权重，包括：
5.根据权利要求4所述的人机协同威胁评估方法，其特征在于，所述基于所述专家的权重构建群体加权平均决策矩阵，包括：
6.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述至少基于与数据相似度、参考价值相关的算法处理所述加权平均决策矩阵，以得到所述目标在不同定性指标下的威胁评估值，包括：
7.根据权利要求6所述的人机协同威胁评估方法，其特征在于，所述方法还包括：
8.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述方法还包括：
9.根据权利要求
10.一种人机协同威胁评估装置，其特征在于，包括：
...【技术特征摘要】
1.一种人机协同威胁评估方法，其特征在于，包括：
2.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述采集目标在第一时段的动态属性数据，包括：
3.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述对所述动态属性数据进行转化处理，形成球形模糊决策矩阵，包括：
4.根据权利要求1所述的人机协同威胁评估方法，其特征在于，所述定性指标包括成本型指标及效益型指标，所述基于所述定性指标决策矩阵计算确定每个专家的权重，包括：
5.根据权利要求4所述的人机协同威胁评估方法，其特征在于，所述基于所述专家的权重构建群体加权...
【专利技术属性】
技术研发人员：李明浩，胡崇爽，王纪凯，豆亚杰，姜江，欧阳伟俊，戴昱龙，向南，贾清扬，段晨熙，孙建彬，赵青松，
申请(专利权)人：中国人民解放军国防科技大学，
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。