[论文解读] Conflict-based Force Aggregation

John D. Cantwell, Johan Schubert+1 more|ArXiv.org|May 16, 2003

Neural Networks and Applications参考文献 12被引用 11

一句话总结

本文提出了一种基于冲突的力聚合框架，该框架整合了Dempster-Shafer理论用于冲突评估，Dempster-Shafer聚类用于军事要素分组，并在多级层次结构中采用模板化分类。通过建模情报报告、车辆和军事单位之间的冲突，该方法实现了多级力聚合，提升了指挥与控制系统的态势感知能力。

ABSTRACT

In this paper we present an application where we put together two methods for clustering and classification into a force aggregation method. Both methods are based on conflicts between elements. These methods work with different type of elements (intelligence reports, vehicles, military units) on different hierarchical levels using specific conflict assessment methods on each level. We use Dempster-Shafer theory for conflict calculation between elements, Dempster-Shafer clustering for clustering these elements, and templates for classification. The result of these processes is a complete force aggregation on all levels handled.

研究动机与目标

• 开发一种统一的力聚合方法，以处理多个层次结构中多样的军事要素（例如，部队、车辆、报告）。
• 解决将异构的、可能存在冲突的情报数据整合为一致作战图景的挑战。
• 通过系统地建模和解决要素之间的冲突，提升指挥与控制中的决策能力。
• 通过基于冲突驱动聚类的预定义模板，实现聚合力的可扩展分类。
• 通过在真实世界指挥与控制研究环境中的应用，证明该方法的有效性。

提出的方法

• 利用Dempster-Shafer理论，基于要素的属性和报告数据，计算成对军事要素之间的冲突度量。
• 应用Dempster-Shafer聚类，将冲突相似度高的要素分组，从而在每个层次结构中形成一致的聚类。
• 采用针对不同要素类型（例如，情报报告与作战部队）量身定制的冲突评估方法，适用于层次结构中的不同层级。
• 利用预定义模板对聚类后的力群组进行分类，实现对聚合力的结构化解读。
• 将各层级的结果进行整合，生成完整、多级的力聚合输出。
• 依赖分层架构，按层级顺序依次应用冲突评估、聚类和分类，最终完成综合。

实验结果

研究问题

• RQ1 如何系统性地评估和解决来自多样化军事要素的情报数据冲突，以支持力聚合？
• RQ2 何种聚类方法能够基于多级层次结构中的冲突模式，有效分组军事单位和报告？
• RQ3 基于冲突的聚类如何提升指挥与控制系统中力聚合的准确性和一致性？
• RQ4 模板化分类在多大程度上能增强对聚合力群组的可解释性？
• RQ5 在多个层级中整合基于冲突的方法，如何提升军事行动中的整体态势感知能力？

主要发现

• 基于冲突的力聚合方法成功地将异构数据源（例如，报告、车辆、部队）整合为多层级结构中一致的力图景。
• Dempster-Shafer理论提供了一种稳健的机制，用于量化要素之间的冲突，从而有效区分可靠信息与冲突信息。
• 基于冲突度量的聚类方法以高精度将相关军事要素分组，揭示了有意义的力结构。
• 模板化分类实现了对聚合力群组的一致且可解释的标注，支持决策制定。
• 该方法在真实世界指挥与控制研究环境中的实际适用性已通过研讨会论文集验证。
• 冲突评估、聚类与分类的集成生成了完整、多级的力聚合输出，适用于实际作战应用。