4.4.3 连续节点的云模型离散处理
若态势评估指标是定性概念,则其取值是离散的,可直接输入云贝叶斯网络;若态势评估指标是定量概念,则其取值是连续的,在选取的指标中(即贝叶斯网络的节点中,磁特性、噪声特征、回波强度、航向、航速和深度等节点信息),其状态均是连续值。对模糊连续随机变量要进行离散处理,在此采用云模型转换处理来实现连续节点的离散化:首先,在连续型变量的归一化论域中定义一个云族,并根据云族的特征和云发生器实现算法设计对应的一组云发生器,每个云发生器对应一个特定的定性概念;然后,将归一化变量值输入云发生器,输出得到变量值属于各个定性概念的确定度。
假设U是某连续型节点所对应的归一化论域,且U=[0,1],W1,W2,…,Wk是论域U的一个划分,且满足以下3个条件:
①
=U;
②
=∅;
③∀ui∈Wi,∀uj∈Wj,如果∀i＜j,则ui＜uj。
U1,U2,…,Uk是相对于该划分的定性语言值,用来表示该节点的离散状态。∀u∈[0,1],μUi(u)表示u对Ui(i=1,2,…,k)的确定度,μUi(u)∈[0,1],则u在Ui上的分布称为云(CUi),每个u即一个云滴,表示为drop(u,μUi(u)),CU1,CU2,…,CUk即云族,由此实现定性概念到定量数值的映射。云族中的云、定性概念以及云发生器三者一一对应。云的期望是最能代表定性概念的值,对应各区间的中心值,对期望Ex、超熵He的计算可以采用不同的方法,如指标近似法、黄金分割法等,在此取值计算及其论域的划分情况如表4-1所示。
表4-1 论域的划分及其云数字特征计算
连续变量实现离散化后,在此设定各节点的离散状态数为3个或4个,具体包括的要素及状态信息(即各网络节点的取值)如表4-2所示。
表4-2 反潜巡逻机协同搜潜目标态势评估贝叶斯网络节点的取值
上述节点中,噪声特征(K)、磁特征(L)、回波强度(I)、噪声强度(J)、目标航向(H)、目标航速(F)和下潜深度(G)是测量节点,目标类型(A)、目标意图(D)是需要评估的节点,探测方式(B)和目标相对位置(E)节点是输入条件。节点变量的离散状态个数可根据实际应用增加设定,以获取更高精度。