劉立軍

(武警工程大學(xué) 信息工程系，陜西 西安 710086)

作戰(zhàn)數(shù)據(jù)質(zhì)量模型構(gòu)建與質(zhì)量評(píng)估

劉立軍

(武警工程大學(xué) 信息工程系，陜西 西安710086)

采用粗糙集與BP神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的方法對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行了評(píng)估。在評(píng)估模型構(gòu)建上，分析了影響作戰(zhàn)數(shù)據(jù)質(zhì)量的多種因素，確定了評(píng)估指標(biāo)體系，組建了作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估元及評(píng)估網(wǎng)絡(luò)，構(gòu)建了六元組評(píng)估模型。在作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估上，利用粗糙集理論對(duì)評(píng)估指標(biāo)信息進(jìn)行了約簡(jiǎn)，利用BP神經(jīng)網(wǎng)絡(luò)理論對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行了評(píng)估。通過數(shù)據(jù)分析，結(jié)果顯示該方法評(píng)估誤差小，方法簡(jiǎn)單、實(shí)用。

粗糙集；BP神經(jīng)網(wǎng)絡(luò)；作戰(zhàn)數(shù)據(jù)質(zhì)量

作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估是作戰(zhàn)數(shù)據(jù)工程建設(shè)與實(shí)踐應(yīng)用的重要組成部分。作戰(zhàn)數(shù)據(jù)質(zhì)量的評(píng)估方法與評(píng)估指標(biāo)較多，筆者在作戰(zhàn)數(shù)據(jù)質(zhì)量定性分析的基礎(chǔ)上，選擇合適的評(píng)估指標(biāo)，構(gòu)建合理的評(píng)估模型，采用粗糙集與神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的方法，對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行了評(píng)估。

1 基本理論

粗糙集理論是波蘭華沙大學(xué)Z.Pawlak教授于1952年提出的一種處理模糊性和不確定性的數(shù)學(xué)理論。該理論以不可分辨關(guān)系為基礎(chǔ)，將一個(gè)數(shù)據(jù)集合用上近似集與下近似集來描述。通過該理論，能夠有效對(duì)不精確、不一致和不完整信息進(jìn)行處理，發(fā)現(xiàn)其內(nèi)部存在的知識(shí)及規(guī)律[1]。

BP神經(jīng)網(wǎng)絡(luò)是1986年由以Rumelhart和McCelland為首的科學(xué)家小組提出的，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)由信息的正向傳播和誤差的反向傳播兩個(gè)過程組成。輸入層通過與外界環(huán)境接觸而獲取信息，將信息傳遞給隱含層。經(jīng)隱含層處理變換后傳遞給輸出層，完成一次正向?qū)W習(xí)；當(dāng)輸出與期望值不符時(shí)，進(jìn)入誤差的反向傳播階段。誤差通過輸出層對(duì)各層的權(quán)值進(jìn)行修正，直到誤差小于所設(shè)定范圍為止[2]。

將粗糙集與BP神經(jīng)網(wǎng)絡(luò)理論相結(jié)合對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行綜合評(píng)估，流程如下[3]：

1)提出評(píng)估問題，構(gòu)建評(píng)估模型。

2)量化評(píng)估指標(biāo)，生成評(píng)估信息表。

3)約簡(jiǎn)信息表，形成輸入向量。

4)確定輸入層、隱含層與輸出層各層神經(jīng)元個(gè)數(shù)，形成評(píng)估網(wǎng)絡(luò)。

5)訓(xùn)練評(píng)估網(wǎng)絡(luò)，確定各層權(quán)值。

6)輸入新樣本數(shù)據(jù)，進(jìn)行評(píng)估。

2 構(gòu)建評(píng)估模型

2.1確定評(píng)估指標(biāo)

由于作戰(zhàn)數(shù)據(jù)來源于不同系統(tǒng)間作戰(zhàn)數(shù)據(jù)的有效集成，各子系統(tǒng)在數(shù)據(jù)存儲(chǔ)、傳輸與集成過程中，必須符合某種評(píng)估指標(biāo)，形成統(tǒng)一標(biāo)準(zhǔn)，再經(jīng)過數(shù)據(jù)清洗剔除無關(guān)數(shù)據(jù)或壞數(shù)據(jù)，確保作戰(zhàn)數(shù)據(jù)的有效性與可靠性。靜態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量主要是作戰(zhàn)數(shù)據(jù)質(zhì)量本身所固有的、本征指標(biāo)，即上述所提到的評(píng)估標(biāo)準(zhǔn)；而動(dòng)態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量主要是從作戰(zhàn)數(shù)據(jù)的整個(gè)生命周期來展開研究的，是作戰(zhàn)數(shù)據(jù)在實(shí)際應(yīng)用中數(shù)據(jù)質(zhì)量的價(jià)值體現(xiàn)，包括作戰(zhàn)數(shù)據(jù)的采集、傳輸、存儲(chǔ)、處理、集成、使用和開發(fā)質(zhì)量，每一個(gè)環(huán)節(jié)的質(zhì)量高低都直接關(guān)系著整個(gè)作戰(zhàn)數(shù)據(jù)質(zhì)量的好壞，都會(huì)直接或間接的影響著整個(gè)作戰(zhàn)的結(jié)果。作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估指標(biāo)體系如圖1所示。

2.2組建評(píng)估網(wǎng)絡(luò)

2.2.1作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估元

作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估指標(biāo)體系可劃分為多種標(biāo)準(zhǔn)屬性，根據(jù)圖1，著重從靜態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量屬性和動(dòng)態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量屬性出發(fā)，組建評(píng)估網(wǎng)絡(luò)。分別用X=(x1,x2,…,xn)表示靜態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估屬性，Y=(y1,y2,…,yn)表示動(dòng)態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估屬性，Ω=(ω1,ω2,…,ωn)、M=(m1,m2,…,mn)分別表示兩者評(píng)估屬性的屬性權(quán)重，靜態(tài)與動(dòng)態(tài)權(quán)重比例分別通過α，β反映，μ表示相關(guān)系數(shù)，δ表示外部影響因子。對(duì)于單一作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估元而言，X、Y分別表示評(píng)估元的輸入向量，Z表示評(píng)估元的輸出向量，單一作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估元如圖2所示，評(píng)估元數(shù)學(xué)表達(dá)式為

z=f[μ(αΩ·X+βM·Y)+δ]=

(1)

作戰(zhàn)數(shù)據(jù)質(zhì)量的每一個(gè)屬性對(duì)X、Y影響均不同，體現(xiàn)在Ω=(ω1,ω2,…,ωn)與M=(m1,m2,…,mn)的屬性權(quán)重上。如在信息化作戰(zhàn)中，對(duì)敵整體態(tài)勢(shì)感知的偵察情報(bào)預(yù)警系統(tǒng)而言，作戰(zhàn)數(shù)據(jù)的預(yù)警探測(cè)、偵察監(jiān)視等各種傳感器，集成各類戰(zhàn)場(chǎng)環(huán)境和保障信息，既強(qiáng)調(diào)了靜態(tài)作戰(zhàn)數(shù)據(jù)的完整性、準(zhǔn)確性、可信性等屬性，也強(qiáng)調(diào)了作戰(zhàn)數(shù)據(jù)采集、傳輸和處理等屬性；而在空中進(jìn)攻作戰(zhàn)中，預(yù)警機(jī)對(duì)敵機(jī)進(jìn)行偵察與預(yù)警探測(cè)，實(shí)時(shí)與戰(zhàn)斗機(jī)保持?jǐn)?shù)據(jù)交互，此時(shí)強(qiáng)調(diào)靜態(tài)作戰(zhàn)數(shù)據(jù)屬性的準(zhǔn)確性、時(shí)效性和可理解性的同時(shí)，也強(qiáng)調(diào)了動(dòng)態(tài)作戰(zhàn)數(shù)據(jù)的采集、傳輸、處理和使用等屬性。

2.2.2作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估網(wǎng)絡(luò)

作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估僅僅靠單一作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估元，必然會(huì)產(chǎn)生很大誤差，因此需要多個(gè)作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估元來相互交錯(cuò)，構(gòu)成多層交互式作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估網(wǎng)絡(luò)，才能夠使評(píng)估精度大大提高。一般用3層評(píng)估網(wǎng)絡(luò)即可滿足任意精度的逼近，而非評(píng)估層級(jí)越多越好[4]。

圖3為3層作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估網(wǎng)絡(luò)，它由輸入層、中間層和輸出層3層構(gòu)成。對(duì)于任意輸入X=(x1,x2,…，xn)，Y=(y1,y2,…,yn)，都可得出相應(yīng)的輸出Z=(z1,z2,…,zn)，其中，輸出單一分量zi仍表示為

zi=f[μ(αΩ·X+βM·Y)+δ]

2.3構(gòu)建評(píng)估模型

由于動(dòng)態(tài)作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估指標(biāo)的影響因素較大，不易把控，故筆者著重從作戰(zhàn)數(shù)據(jù)質(zhì)量靜態(tài)評(píng)估指標(biāo)出發(fā)構(gòu)建評(píng)估模型，構(gòu)建了六元組作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估模型[5]：

M={S,Z0,G,Y0,J,I}

(2)

式中：S表示需要評(píng)估的數(shù)據(jù)集；Z0表示數(shù)據(jù)集S上需要進(jìn)行評(píng)估的指標(biāo)集；G表示與指標(biāo)集Z0對(duì)應(yīng)的規(guī)則集；Y0表示與指標(biāo)集Z0對(duì)應(yīng)的判斷閾值，依據(jù)閾值能夠判斷指標(biāo)值是否達(dá)到標(biāo)準(zhǔn)；J表示規(guī)則集G對(duì)應(yīng)的指標(biāo)得分結(jié)果；I表示指標(biāo)得分與閾值Y0進(jìn)行比較后得到的信息集合。

2.4模型參數(shù)說明

對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行模型構(gòu)建并對(duì)其進(jìn)行評(píng)估，步驟為：

1)明確對(duì)象：即明確需要評(píng)估的作戰(zhàn)數(shù)據(jù)集。

2)篩選指標(biāo)：根據(jù)作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估需求，篩選出具有代表性的評(píng)估指標(biāo)。文中根據(jù)評(píng)估需求，確定了評(píng)估指標(biāo)有完整性、準(zhǔn)確性、一致性、唯一性、時(shí)效性、可理解性等。

手中握著一顆玻璃球讓人感覺很舒服，透過玻璃球看去，物體是上下顛倒的，里面有一個(gè)微縮天地。我們拍照時(shí)用的是標(biāo)準(zhǔn)尺寸的Lensball，我們發(fā)現(xiàn)這個(gè)非常好用，也有其他更便宜的替代品。

3)制定規(guī)則：在評(píng)估對(duì)象數(shù)據(jù)集中，依據(jù)評(píng)估指標(biāo)需求與用戶需求，制定規(guī)則。

4)確定閾值：對(duì)數(shù)據(jù)集S中的每一評(píng)估指標(biāo)確定閾值[5]。

5)計(jì)算得分：對(duì)數(shù)據(jù)集依據(jù)規(guī)則集G進(jìn)行檢查，并計(jì)算得分。

6)生成信息：指標(biāo)得分J與閾值Y0進(jìn)行比較，將評(píng)估指標(biāo)劃分為合格與不合格兩種，分別對(duì)應(yīng)信息值1與0，形成信息集合I。

作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估模型如表1所示。

表1 作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估模型[5]

3 評(píng)估作戰(zhàn)數(shù)據(jù)質(zhì)量

3.1評(píng)估信息表的約簡(jiǎn)

在部隊(duì)實(shí)際作戰(zhàn)過程中將生成大量的作戰(zhàn)數(shù)據(jù)，影響每一作戰(zhàn)數(shù)據(jù)質(zhì)量的指標(biāo)會(huì)各有偏重，因而指標(biāo)得分將會(huì)不同，經(jīng)專家對(duì)每一組數(shù)據(jù)集各指標(biāo)進(jìn)行綜合，得到表2所示的指標(biāo)得分。將該指標(biāo)得分與對(duì)應(yīng)指標(biāo)閾值進(jìn)行比較，得出作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估信息表，如表3所示。

表2 8組數(shù)據(jù)集的數(shù)據(jù)質(zhì)量評(píng)估指標(biāo)得分

依據(jù)粗糙集理論對(duì)表3中的評(píng)估指標(biāo)進(jìn)行約簡(jiǎn)[5-6]。從表3中數(shù)據(jù)可知，指標(biāo)得分Z1與Z4相同，Z2與Z3相同，Z6與Z9相同，因此只需保留一個(gè)信息值即可，即Z1、Z2、Z6保留，Z3、Z4、Z9刪除，得到表4。

表3 8組數(shù)據(jù)集的作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估信息表

表4 8組數(shù)據(jù)集的作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估約簡(jiǎn)信息表

由表4可知，S={S1,S2,S3,S4,S5,S6,S7,S8}，Z0={Z1,Z2,Z5,Z6,Z7,Z8}，則等價(jià)關(guān)系Z1,Z2,Z5,Z6,Z7,Z8有下列等價(jià)類：

S/Z2={{S1,S3,S6,S8}, {S2,S4,S5,S7}}

S/Z5={{S1,S2,S3,S6,S8}, {S4,S5,S7}}

S/Z6={{S1,S3,S4,S6,S7,S8}, {S2,S5}}

S/Z7={{S1,S2,S7}, {S3,S4,S5,S6,S8}}

S/Z8={{S1,S5}, {S2,S3,S4,S6,S7,S8}}

根據(jù)粗糙集理論中的不可分辨關(guān)系計(jì)算，則關(guān)系ind(Z0)有下列等價(jià)類：

S/ind(Z0)={{S1}, {S2}, {S3,S6}, {S4}, {S5}, {S7}, {S8}}

S/ind(Z0-{Z1})={{S1}, {S2},{S3,S6,S8}, {S4}, {S5}, {S7}}≠S/ind(Z0)

S/ind(Z0-{Z2})={{S1}, {S2}, {S3,S6}, {S4}, {S5}, {S7}, {S8}}=S/ind(Z0)

S/ind(Z0-{Z5})={{S1}, {S2}, {S3,S6}, {S4}, {S5}, {S7}, {S8}}=S/ind(Z0)

S/ind(Z0-{Z6})={{S1}, {S2}, {S3,S6}, {S4,S5}, {S7}, {S8}}≠S/ind(Z0)

S/ind(Z0-{Z7})={{S1}, {S2}, {S3,S6}, {S4,S7}, {S5}, {S8}}≠S/ind(Z0)

S/ind(Z0-{Z8})={{S1}, {S2}, {S3,S6}, {S4}, {S5}, {S7}, {S8}} =S/ind(Z0)

由結(jié)果易知，指標(biāo)Z2,Z5,Z8是可簡(jiǎn)化掉的，于是得到指標(biāo)集Z0的約簡(jiǎn)為Z0={Z1,Z6,Z7}，這樣將原來的9個(gè)評(píng)價(jià)指標(biāo)約簡(jiǎn)為當(dāng)前的3個(gè)核心指標(biāo)。

3.2BP神經(jīng)網(wǎng)絡(luò)的評(píng)估預(yù)測(cè)

采用如圖4所示的3層前向神經(jīng)網(wǎng)絡(luò)。經(jīng)過粗糙集約簡(jiǎn)，神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元數(shù)目N為3，輸出神經(jīng)元數(shù)目M為1。隱含層神經(jīng)元的數(shù)目P對(duì)整個(gè)評(píng)估模型影響較大，必須合理選擇。

參閱相關(guān)文獻(xiàn)，隱含層神經(jīng)網(wǎng)絡(luò)數(shù)目P可由經(jīng)驗(yàn)公式計(jì)算得到[4]，P應(yīng)取5。按照BP網(wǎng)絡(luò)的一般設(shè)計(jì)原則，隱含層神經(jīng)元的傳遞函數(shù)為S型正切函數(shù)，輸出層神經(jīng)元的傳遞函數(shù)為S型對(duì)數(shù)函數(shù)。簡(jiǎn)化后的指標(biāo)集Z1,Z6,Z7分別作為BP網(wǎng)絡(luò)的3個(gè)輸入向量，作戰(zhàn)數(shù)據(jù)綜合質(zhì)量F作為BP網(wǎng)絡(luò)的輸出向量，用表2的數(shù)據(jù)訓(xùn)練該網(wǎng)絡(luò)。在正向傳播過程中，數(shù)據(jù)樣本集從BP網(wǎng)絡(luò)的輸入端Z1,Z6,Z7輸入，經(jīng)過5個(gè)神經(jīng)單元的隱含層從輸出端F輸出。當(dāng)實(shí)際輸出與預(yù)期輸出不相符時(shí)，則進(jìn)行反向傳播。輸出誤差從輸出層經(jīng)隱含層，向輸入層反向傳輸，不斷調(diào)整各層權(quán)值，周而復(fù)始，最終使誤差達(dá)到所設(shè)定誤差范圍內(nèi)為止，最終可得到訓(xùn)練好的各層權(quán)值與閾值。再通過調(diào)用該權(quán)值與閾值進(jìn)行正向傳播，就可以得出數(shù)據(jù)綜合質(zhì)量F，具體如表5所示。

表5 8組數(shù)據(jù)集作戰(zhàn)數(shù)據(jù)質(zhì)量BP神經(jīng)網(wǎng)絡(luò)評(píng)估表

表5(續(xù))

由表5可知，BP神經(jīng)網(wǎng)絡(luò)估算值與實(shí)際值比較接近，因此，可利用該網(wǎng)絡(luò)模型對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行評(píng)估預(yù)測(cè)。

4 結(jié)束語

采用粗糙集與BP神經(jīng)網(wǎng)絡(luò)理論相結(jié)合的方法對(duì)作戰(zhàn)數(shù)據(jù)質(zhì)量進(jìn)行了評(píng)估。在評(píng)估模型構(gòu)建上，依次確定評(píng)估指標(biāo)，組建評(píng)估網(wǎng)絡(luò)，構(gòu)建評(píng)估模型;在作戰(zhàn)數(shù)據(jù)質(zhì)量評(píng)估上，利用粗糙集理論進(jìn)行了信息約簡(jiǎn)，利用BP神經(jīng)網(wǎng)絡(luò)理論進(jìn)行了質(zhì)量評(píng)估。該方法增強(qiáng)了評(píng)估的科學(xué)性與客觀性，評(píng)估誤差性較小，評(píng)估模型與評(píng)估方法簡(jiǎn)單、實(shí)用。

References)

[1] 徐廷學(xué)，杜愛國，陳紅. 基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)的飛航導(dǎo)彈備件消耗規(guī)律預(yù)測(cè)[J]. 海軍航空工程學(xué)院學(xué)報(bào)，2012，27(5)：570-574. XU Tingxue, DU Aiguo, CHEN Hong. Consumption law forecast of missile spare parts based on rough set theory and BPNN[J]. Journal of Naval Aeronautical & Astronautical University,2012,27(5)：570-574. (in Chinese)

[2] 周品. Matlab神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與應(yīng)用[M]. 北京：清華大學(xué)出版社，2013. ZHOU Pin. Design and application of Matlab neural network[M]. Beijing: Tsinghua University Press,2013. (in Chinese)

[3] 黃晶晶，熊才全. 粗糙集-神經(jīng)網(wǎng)絡(luò)在作戰(zhàn)效能評(píng)估中的應(yīng)用[J]. 計(jì)算機(jī)與數(shù)字工程，2011，39(5)：62-66. HUANG Jingjing, XIONG Caiquan. Combat effectiveness evaluation based on rough set and neural networks[J]. Computer & Digital Engineering,2011，39(5)：62-66. (in Chinese)

[4] HAYKIN S．神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)[M]．申富饒，徐燁，鄭俊，等,譯．北京：機(jī)械工業(yè)出版社，2011． HAYKIN S. Neural network and machine learning[M]．SHEN Furao，XU Ye，ZHENG Jun，et al，translated．Beijing:China Machine Press，2011．(in Chinese)

[5] 張西川，楊麗娜，袁大天. 機(jī)載C3I系統(tǒng)試飛數(shù)據(jù)質(zhì)量評(píng)估方法[J]．火力與指揮控制，2009，34(6)：7-10． ZHANG Xichuan, YANG Lina, YUAN Datian．Research on data quality evaluation methodology on the flight-testing of the plane-carried C3I system[J]. Fire Control & Command Control,2009,34(6):7-10. (in Chinese)

[6] 高尚，房靖. 基于粗糙集和支持向量機(jī)的效能評(píng)定[J]. 系統(tǒng)工程與電子技術(shù)，2008，30(7)：1291-1294. GAO Shang, FANG Jing. Assessing the effectiveness of weapon systems based on rough set theroy and support vector machine[J]. Systems Engineering and Electronics,2008,30(7)：1291-1294. (in Chinese)

OperationalDataQualityModelandQualityEvaluation

LIU Lijun

(Department of Information Gngineering,Engineering University of CAPF, Xi’an710086，Shaanxi，China)

Operational data quality was evaluated using the method of rough sets and BP neural network theory.In the construction of the evaluation model, it analyzed the factors affecting the Operational data quality, determined the evaluation index system, set up operational data quality evaluation element and evaluating network, established the six-element evaluation model. In the assessment of operational data quality, using rough set theory come to realize information reduction and using BP Neural Network theory come to realize quality assessment. This method could enhance the scientificity and objectivity of evaluation. The results showed that the evaluation method of error was small, simple and practical.

rough set；BP neural network；operational data quality

TP391

： A

：1673-6524(2017)03-0037-05

10.19323/j.issn.1673-6524.2017.03.008

2016-12-28

劉立軍(1982—)，男，博士研究生，主要從事信息化建設(shè)研究。E-mail：cainan2001_paper@163.com