[发明专利]一种基于证据森林的信息不确定条件目标意图识别方法

说明书

本发明公开了一种基于证据森林的信息不确定条件目标意图识别方法，包括以下步骤：步骤一、数据预处理；步骤二、构建信度决策树；步骤三、构建基于信度决策树的证据森林；步骤四、使用构建的证据森林进行意图识别。本方法提出了一种基于证据相似度的不确定性信息熵的计算方法，同时充分考虑了证据森林中每棵信度决策树的权重的影响，提出了一种基于可能性理论的权重计算方法，并通过加权平均组合每个信念决策树的结果，最后通过证据自组合得出最终结果。本发明在保证意图识别准确率的前提下，能够很好地解决具有不确定性信息的目标意图识别问题。

技术领域

本发明属于目标意图识别技术领域，具体涉及一种基于证据森林的信息不确定条件目标意图识别方法。

背景技术

目标意图是指目标希望达到某种目的的基本设想和预设行为，这里的预设行为是指目标计划或预定要达到的结果。战场目标战术意图识别就是在作战的特殊环境下，结合各种信息源得到的目标信息，然后对战场态势和敌方战术意图进行有效分析的过程。目标意图识别过程中，信息源得到的信息很大程度上都具有不确定性，因此如何处理这种不确定性信息是当前面临的一个问题。

在现有的机器学习算法中，决策树方法是最常用的方法之一。决策树的特点是，它可以将复杂的决策问题分解为几个简单的问题。虽然决策树很流行和有效，但它们不适合处理具有不确定性信息的问题。不确定性可能会影响分类结果，甚至会做出错误的决策。信度函数理论为处理决策树技术中的不确定性提供了一个方便的框架。信度决策树结合了决策树技术和信念函数理论的优势来解决认知不确定性的分类问题。

随机森林是使用装袋算法和随机子空间技术的决策树的组合。传统的随机森林算法使用投票或平均的方法来获得每个决策树的结果的最终类结果。当面对不确定的分类问题时，精度有限。为了更好地处理不确定性问题，提出了一种可以处理具有不确定性信息的证据森林算法，并且用于不确定性目标意图识别。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于证据森林的信息不确定条件目标意图识别方法。通过建立证据森林模型，将具有不确定性信息的待测数据输入到证据森林模型中，得到目标的意图识别结果，很好的解决了具有不确定性信息的目标意图识别问题，充分提高意图识别的准确性。

为解决上述技术问题，本发明采用的技术方案是：一种基于证据森林的信息不确定条件目标意图识别方法，其特征在于，包括以下步骤：

步骤一、数据预处理：

步骤101：输入n个目标训练样本，包括属性特征向量X＝[X₁,X₂,…,X_v]，其中v为属性个数，X_i,i＝1,2,…,v表示每个属性特征的测量值，对应每个样本的意图Y，Y的辨识框架为Θ_Y＝{Y₁,Y₂,…,Y_w},w表示辨识框架中意图的个数；

步骤102：对每个属性特征建立高斯模糊数f[C:(μ,δ)]，μ和δ表示高斯模糊数C的均值和方差，辨识框架k表示每个属性辨识框架中的类别个数,计算每个属性特征测量值X_i的高斯模糊隶属度值f(X_i),根据公式计算单子集m'(F_j)和双子集m'(F_j,F_j+1)，归一化得到属性的基本概率分布最终将n个样本属性测量值(X₁,X₂,…,X_v)_n转化为基本概率分布的形式

步骤103：根据公式将转化为概率分布转化n个样本的全部属性特征得到

步骤104：将意图取值为Y_p的样本的不同属性中包含的P(F_j)进行乘积组合辨识框架元素组合为组合后的意图可以表示为将所有样本组合后，属性辨识框架元素组合相同的样本的进行相加和合并得到将归一化得到