[发明专利]基于大数据分析技术的电子侦察装备边界性能评估方法

权利要求书

1.一种基于大数据分析技术的电子侦察装备边界性能评估方法，其特征是：其包括以下步骤：

S1、建立电子侦察装备系统的指标体系；

S2、建立置信库，建立基于规则的置信库推理模型；包括以下子步骤：

S2.1、置信库初始化

S2.2、规则向量化表示，将规则表示为如下的向量形式：Rk：If x is A_k Then D Withbelief degree β_k，其中，x表示输入向量；A_k表示组合(集合)后的第k条规则参考值；D表示结果向量；β_k表示对输出结果的置信度评价；结果评价表示为：S(A_k)＝{(D_i,β_1,k),i＝1,2...,N}；

S2.3、利用ER算法将规则进行融合，第i个结果评价的置信度β_i(x)为：

其中，ω_k表示第k条规则的权重；

S3、加载装备模型，包括但不限于发射频率、发射天线高度、传输功率装备参数，以及温度、水汽密度、能见度环境参数；

S4、加载已有装备数据，主要针对装备在已知参数包括发射频率、发射天线高度、传输功率以及已知环境包括温度、水汽密度、能见度条件下，装备现有边界性能；

S5、利用小子样数据集样本生成算法，扩充数据集，预测装备步骤S3的条件下的边界性能；

S6、利用步骤S2中的推理模型，计算步骤S5中的置信度。

2.根据权利要求1所述的基于大数据分析技术的电子侦察装备边界性能评估方法，其特征是：其步骤S5中，所述小子样数据集样本生成算法的步骤为：

输入：样本增强前的数据表格为(TK*L)，属性列的位置为P，属性列的数目为n，小样本判别阈值为m，增加的样本数目为H；

输出：样本增强后的数据表格为T(H+K)*L；

步骤1、按输入要求选择属性列，每个属性列是待生成样本的一个特征；该特征的数据类型和数值结果在各样本行未发生属性数据缺失现象，使用这些特征构建特征空间；

步骤2、在特征空间中定位已知全部样本，并进行样本聚类；

步骤3、根据样本聚类结果，样本数目小于小样本判别阈值的属于小样本数据集；

步骤4、在特征空间按SMOTE、Borderline SMOTE或ADASYN算法生成样本；

步骤5、特征空间中的生成的样本投影到各特征维度，得到不同属性列上的对应特征值；

步骤6、将步骤5中各属性列上的特征值填入数据表格。