技术特征：
1.一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，其特征在于步骤如下：飞机作战系统代理模型的建立步骤1、基于互信息层次聚类算法的数据聚类：待分析的飞机作战仿真数据为m维，先对除导弹命中概率以外的m-1维数据进行基于互信息层次聚类算法的数据聚类，得到m-1维的数据x＝(x1,x2,
…
,x
m-1
)聚成k个数据簇所述k为聚类数目；步骤2、基于深度自编码器的特征提取：采用深度学习中自编码器模型对每一簇数据进行特征提取，数据维度从m-1维降为k维，整体数据维度从m维降到了k+1维；步骤3：采用贝叶斯网络，对经过聚类以及特征提取过后，数据维度已经从m维降到了k+1维的数据，建立贝叶斯网络模型，得到整个代理模型即飞机对地作战系统代理模型y＝f(x1,x2,x3,...,x
32
)；式中，y为飞机的导弹命中概率，x1,x2,x3,...,x
32
为指标体系中影响飞机导弹命中概率的各项因素；飞机作战效能敏感性分析步骤4：计算sobol指数法的相关参数采用随机采样的方法从输入空间中采样得到两个输入矩阵a和b，两个矩阵中的每一行都是所研究模型的一组输入组合，每个组合通过代理模型计算得到相应的输出：然后构造矩阵ab
i
，构造方法是用矩阵b的第i列替换矩阵a的第i列，同理可以用矩阵a的第i列替换矩阵b的第i列，得到矩阵a
i
b：b：将矩阵代入代理模型，得到输出向量，分别记为y
a
，y
b
，和根据蒙特卡洛算法得到以下结果：到以下结果：
式中步骤5：计算全局敏感性系数输入变量x
i
的主效应指数s
xi
及全效应指数的估计为：的估计为：基于主效应指数及全效应指数的全局敏感性系数，计算各个指标的数值，对飞机作战效能进行分析评估。2.根据权利要求1所述融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，其特征在于：所述步骤1的基于互信息层次聚类算法的数据聚类过程为：待分析的飞机作战仿真数据为m维，先对除导弹命中概率以外的m-1维数据进行基于互信息层次聚类算法的数据聚类；任意两个误差源x
i
,x
j
的互信息为：i≠j,1,2,3,m-1x
i
,x
j
互信息的倒数为其中：d(x
i
；x
j
)与x
i
和x
j
之间的相似性成反比；选择聚类数目设置为k，将m-1维的数据x＝(x1,x2,
…
,x
m-1
)聚成k个数据簇3.根据权利要求1所述融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，其特征在于：所述步骤2的采用深度学习中自编码器模型对每一簇数据进行特征提取的过程：对聚类过后的维度为k数据集，x
*
∈r自编码器将数据映射到特征空间，得到每组数据的编码z
(n)
并且借助这组编码重构样本：z
(k)
＝f
encode
(x
*(k)
)x'
(19)
＝g
decode
(z
(19)
)＝g
decode
f
encode
(x
*(19)
)对于样本x
*
，激活函数选用sigmoid函数，隐藏层的激活值即为x的编码：z＝sigmoid(w
(1)
x
*
+b
(1)
)自编码器的输出为：x'＝sigmoid(w
(2)
z+b
(2)
)
其中w
(1)
,w
(2)
,b
(1)
,b
(2)
为网络参数；采用均方误差度量原始输入x
(n)
和重构输出x'
(n)
之间的误差：其中λ为正则项的系数；当自编码器网络训练完成后，去掉解码器，只保留编码器，编码器的输出即为该数据簇的特征；数据维度从m-1维降为k维，整体数据维度从m维降到了k+1维。4.根据权利要求1所述融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，其特征在于：所述步骤3的贝叶斯网络建模得到飞机对地作战系统代理模型的过程：首先，通过a*算法学习贝叶斯网络结构，网络结构中各节点即为数据聚类后的数据簇提取出来的特征；再运用最大似然法对贝叶斯网络各参数进行学习，贝叶斯网络建立完成，整个代理模型即飞机对地作战系统代理模型y＝f(x1,x2,x3,...,x
32
)。
技术总结
本发明涉及一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，通过结合贝叶斯网络少量样本数据下的建模优势和深度学习出色的高维数据处理能力来构建飞机作战系统代理模型，为Sobol指数法进行敏感性分析创造完备的条件，提高飞机作战效能敏感性分析的精度。通过基于互信息层次聚类方法对用于飞机作战效能敏感性分析的高维数据进行初步处理，然后应用自编码器对初步处理后的数据进行特征提取，实现降维，接着通过贝叶斯网络建立模型，至此飞机作战系统代理模型通过深度学习和贝叶斯网络模型的融合成功建立，通过代理模型实现对飞机作战效能的高精度敏感性分析。有效地解决了飞机作战效能敏感性分析问题中样本量较少的代理模型难以建立的问题。较少的代理模型难以建立的问题。较少的代理模型难以建立的问题。
技术研发人员：高晓光 韩浩 王昊 李新宇
受保护的技术使用者：西北工业大学
技术研发日：2022.10.28
技术公布日：2023/2/3