基于层次聚类分析的武器装备需求关联性研究
基于灰色聚类分析法的武器装备试验保密管理工作评估
ｎ ｇ ｍ ｎ ｒ ｏ ｔｏ ｎ Ｋｅｙ ｗｏｒ ｄｓ：ｗ ｅ ｐｏ ｑ ｐ ｅ ｅ ｔ ｅ ａ ｕａ ｉ ｎ ｏ ｅ ｒ ｔｋｅ ｐｉ ｇ ｍ ａ ａ ｅ ｅ ｔ ｗ ｏ ｋ； ｓ ｒ ｆ ｉ ａ ｎ ｅ ｕｉ ｍ ｎｔｔ ｓ ； ｖ ｌ ｔｏ ｆ ｓ ｃ ｅ — ｅ ｎ ｄ ｘ；ａ ａ ｙ ｉ ｅ ａ ｃ ｙ ｐｒ ｃ ｓ （ Ｈ Ｐ）；ｇｒ ｙ ｃｕｓ ｅ ｎ ｌ ｉ ｅ ｎ ｌ ｔｃ ｈｉｒ ｒ ｈ ｏ ｅ ｓ Ａ ａ ｌ ｔ ｒａ ａ ｙｓｓ
Ｖｏ１ １ Ｎ ｏ ．２ ．１
基 于 灰 色 聚 类 分 析 法 的 武 器 装 备 试 验 保 密 管 理 工 作 评 估
姚 宏 林 王 宇。 张建 伟 ， 吴 忠望 阎 慧 ， ， ，
（．装 备 指挥 技 术 学 院 基 础部 ， 京 １ １ １ ； ２ １ 北 ０ ４６ ．装 备 指 挥 技术 学 院 信 息 装备 系 ， 京 １ １ １ ） 北 ０ ４６
管 理工作 水平 和效 能提供 参考 。
关 键 词 ：武 器 装 备 试 验 ； 密 管 理 工 作 评 估 ； 标 体 系 ； 次 分 析 法 ； 色 聚 保 指 层 灰
类 分 析 法
中 图 类 号 ：Ｅ ２ ７ Ｅ ２ ２ 文 章 编 号 ：１ ７ —１ ７ ２ １ ） １０ １—４ 分 ２ ； ５ ６ ３０ ２ （ ０ ０ ０ — １００
ｋｅ ｐ ｎ ａ ｇ ｍ ｅ ｔ ｉ ｉｓ ｔ ｓ ｅ ｓ ｃ ｎｔ ａ ｔｖｅｙ ｅ ａ ｕ ｔ ｄ ｂ ｓ ｄ ｏ ａ ｌ ｓ ｅ ｎ ｌ ｉ ｗｈｉｈ ｅ ｉ ｇ ｍ ｎａ ｅ ｎ ｎ ｕｎ ｔ ｅ ｔ ｄ ｉ ｏ ｒ ｓ ｉ ｌ ｖ ｌ ａ ｅ ａ ｅ ｎ ｇｒ ｙ ｃ ｕ ｔ ｒ ａ ａ ｙｓｓ， ｃ ｐｒ ｖｉ ｅ ｉ ｐ ｒ ａ ｒ ｆ ｒ ｎ ｅ ｏ ｍ ｐ ｏ ｔ ｅ ｅ ｌ ｎ ｆｉ ｉｎ ｙ ｆ ｓ ｃ ｅ — ｅ ｉ ａ ａ ｅ ｅ ｔ ｎ ｏ ｄ ｓａ ｍ ｏ ｔ ｎｔ ｅ ｅ ｅ ｃ ｔ ｉ ｒ ｖｅ ｈ ｌｖｅ ａ ｄ ｅ ｆｃｅ ｃ ｏ ｅ ｒ ｔｋｅ ｐ ｎｇ ｍ ｎ ｇ ｍ ｎ ｉ
层次分析法在军事情报质量评估中的应用
层次分析法在军事情报质量评估中的应用层次分析法（Analytic Hierarchy Process，AHP）是一种系统性的决策分析方法，广泛应用于各个领域的决策问题中，包括军事情报质量评估。
军事情报在决策和战争中起着重要的作用，决策者需要根据情报的质量进行评估和判断，以制定有效的战略和战术决策。
本文将从AHP方法的基本原理、在军事情报质量评估中的应用以及具体案例进行阐述，以便更好地理解AHP在军事情报质量评估中的应用。
AHP方法的基本原理是将一个复杂的决策问题分解为若干个具体的准则或指标，并通过对这些准则或指标之间的相对重要性进行比较，最终得出关于决策问题的结论。
AHP方法分为层次结构分析和权重确定两个步骤。
在军事情报质量评估中，可以将情报的质量评估问题分解为多个层次，如一级准则可以是情报的可靠性、准确性、及时性等，二级准则可以是每个一级准则的具体指标，三级准则可以是每个二级准则的具体子指标。
通过分析和对比这些准则之间的重要性，可以形成一个完整的层次结构。
权重确定是指对每个准则的重要性进行比较和判断，用以确定每个准则在整个评估体系中的重要性。
AHP方法中常用的判断方法是对两个准则进行比较，通过专家的主观意见和评价，进行配对比较，构建一个判断矩阵。
通过特征向量的运算，可以得到各个准则的权重，即其在整个评估体系中的相对重要性。
在军事情报质量评估中，AHP方法可以帮助决策者对不同准则之间的重要性进行判断和定量化，从而为决策提供有力的依据。
军事情报的可靠性和准确性对于制定战略决策非常重要，因此这两个准则的权重可能较高；而情报的及时性虽然也很重要，但相对于可靠性和准确性可能略低一些。
通过使用AHP方法，可以将主观的评估和判断量化为具体的数值，从而避免了决策中的主观偏差和误判。
以下是一个关于军事情报质量评估的具体案例：某军事指挥部需要对一份情报进行质量评估，共确定了三个一级准则：可靠性、准确性、及时性。
针对可靠性一级准则，又确定了两个二级准则：信息来源的可信度和情报搜集的完整性。
聚类分析的现状与前景研究
影响力传播
通过聚类分析识别社交网络中具 有影响力的用户或群体，预测信 息或行为的传播路径和影响范围。
个性化推荐
聚类分析用于社交网络中的个性 化推荐，根据用户兴趣和行为将 用户划分为不同的群体，提供个
性化的内容推荐和好友推荐。
03
聚类分析的关键技术
K-means聚类
定义
K-means聚类是一种基于距离的聚类算法，通过迭代将数 据划分为K个集群，使得每个数据点与其所在集群的中心 点之间的距离之和最小。
感谢您的观看
THANKS
未来发展方向与前景
深度学习与聚类分析的结 合
深度学习在特征学习和表示方面具有优势， 可以与聚类分析结合，提高聚类的准确性和 效率。
无监督学习与半监督学习的 发展
无监督学习和半监督学习在聚类分析中具有广泛的 应用前景，未来可以进一步发展相关算法和技术。
大数据处理技术
随着大数据时代的到来，如何处理大规模数 据并实现高效的聚类分析是未来的重要研究 方向。
优点
简单易行，计算效率高，适用于大数据集。
缺点
需要预先设定集群数量K，对初始聚类中心敏感，可能陷 入局部最优解。
DBSCAN聚类
定义
DBSCAN聚类是一种基于密度的聚类算法，通过识别高密度区 域和连接这些区域的低密度区域来形成聚类。
优点
能够发现任意形状的聚类，对异常值具有较强的鲁棒性。
缺点
对密度参数和半径参数敏感，需要手动调整。
缺点
需要手动调整密度阈值参数，计算复杂度较高。
基于网格的聚类
定义
01
基于网格的聚类算法将数据空间划分为一系列网格单元，然后
在网格单元上进行聚类。
优点
基于本体的主战武器装备知识图谱构建
第４３卷第６期２０２１年１２月指挥控制与仿真ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆ＳｉｍｕｌａｔｉｏｎＶｏｌ ４３㊀Ｎｏ ６Ｄｅｃ ２０２１文章编号：１６７３⁃３８１９（２０２１）０６⁃００１４⁃０７基于本体的主战武器装备知识图谱构建顾丹阳，李明倩，权冀川，刘㊀勇，罗㊀晨（中国人民解放军陆军工程大学，江苏南京㊀２１０００７）摘㊀要：为解决武器装备领域数据来源分散㊁数据间缺乏良好关联㊁表示形式不一致㊁存在大量冗余等问题，提出了一种基于本体的知识图谱构建方法，以利用知识图谱实现主战武器装备知识的有效管理和智能信息搜索，进一步挖掘武器装备数据的潜在价值㊂本方法首先基于领域知识构建领域本体，而后对收集到的大量原始数据进行抽取，对其中的冗余数据进行融合，并采用三元组形式对得到的实体㊁关系㊁属性等数据进行表示，最后构建到知识图谱中㊂构建好的知识图谱可为原始数据的抽取㊁融合提供指导，形成知识图谱优化完善的良性循环㊂关键词：武器装备；知识图谱；本体；关系中图分类号：Ｅ９１㊀㊀㊀㊀文献标志码：Ａ㊀㊀㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３⁃３８１９．２０２１．０６．００３ＯｎｔｏｌｏｇｙＢａｓｅｄＫｎｏｗｌｅｄｇｅＧｒａｐｈＣｏｎｓｔｒｕｃｔｉｏｎｆｏｒＣｏｍｂａｔＷｅａｐｏｎＥｑｕｉｐｍｅｎｔＧＵＤａｎ⁃ｙａｎｇ，ＬＩＭｉｎｇ⁃ｑｉａｎ，ＱＵＡＮＪｉ⁃ｃｈｕａｎ，ＬＩＵＹｏｎｇ，ＬＵＯＣｈｅｎ（ＡｒｍｙＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰＬＡ，Ｎａｎｊｉｎｇ２１０００７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｓｕｃｈｐｒｏｂｌｅｍｓｉｎｔｈｅｆｉｅｌｄｏｆｗｅａｐｏｎｅｑｕｉｐｍｅｎｔａｓｓｃａｔｔｅｒｅｄｄａｔａｓｏｕｒｃｅｓ，ｌａｃｋｏｆｇｏｏｄａｓｓｏｃｉａ⁃ｔｉｏｎｂｅｔｗｅｅｎｄａｔａ，ｉｎｃｏｎｓｉｓｔｅｎｔｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ａｎｄａｌａｒｇｅｎｕｍｂｅｒｏｆｒｅｄｕｎｄａｎｃｙ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｋｉｎｄｏｆｏｎｔｏｌｏｇｙ⁃ｂａｓｅｄｍｅｔｈｏｄｔｏｃｏｎｓｔｒｕｃｔｋｎｏｗｌｅｄｇｅｇｒａｐｈｔｏｒｅａｌｉｚｅｅｆｆｅｃｔｉｖｅｍａｎａｇｅｍｅｎｔａｎｄｉｎｔｅｌｌｉｇｅｎｔｉｎｆｏｒｍａｔｉｏｎｓｅａｒｃｈｉｎｇ．Ｕｓｉｎｇｋｎｏｗｌｅｄｇｅｇｒａｐｈ，ｗｅｃａｎｅｘｃａｖａｔｅｔｈｅｐｏｔｅｎｔｉａｌｖａｌｕｅｏｆｗｅａｐｏｎｅｑｕｉｐｍｅｎｔｄａｔａｆｕｒｔｈｅｒ．Ｆｉｒｓｔｌｙ，ｔｈｅｄｏｍａｉｎｏｎｔｏｌｏｇｙｗａｓｃｏｎｓｔｒｕｃｔｅｄｂａｓｅｄｏｎｔｈｅｋｎｏｗｌｅｄｇｅｏｆｗｅａｐｏｎｅｑｕｉｐｍｅｎｔｄｏｍａｉｎ．Ｔｈｅｎ，ｔｈｅｅｎｔｉｔｙ，ｒｅｌａｔｉｏｎｓｈｉｐａｎｄａｔｔｒｉｂｕｔｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍａｌａｒｇｅｎｕｍｂｅｒｏｆｃｏｌｌｅｃｔｅｄｏｒｉｇｉｎａｌｄａｔａ．Ｔｈｅｒｅｄｕｎｄａｎｔｄａｔａｗａｓｆｕｓｅｄ．Ｔｈｅｒｅｓｕｌｔｄａｔａｗａｓｒｅｐｒｅｓｅｎｔｅｄｂｙｔｒｉｐｌｅ．Ｆｉｎａｌｌｙ，ｔｈｅｋｎｏｗｌｅｄｇｅｇｒａｐｈｗａｓｃｏｎｓｔｒｕｃｔｅｄｗｉｔｈＮｅｏ４ｊＤａｔａｂａｓｅ．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｔｈｅｃｏｎｓｔｒｕｃｔｅｄｋｎｏｗｌｅｄｇｅｇｒａｐｈｃａｎｄｉｒｅｃｔｔｈｅｅｘｔｒａｃｔｉｏｎｏｒｆｕｓｉｏｎｏｆｔｈｅｏｒｉｇｉｎａｌｄａｔａ．Ｓｏ，ｔｈｅａｌｌａｂｏｖｅｆｏｒｍｅｄａｖｉｒｔｕｏｕｓｃｉｒｃｌｅｏｆｋｎｏｗｌｅｄｇｅｇｒａｐｈｏｐ⁃ｔｉｍｉｚａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｗｅａｐｏｎｅｑｕｉｐｍｅｎｔ；ｋｎｏｗｌｅｄｇｅｇｒａｐｈ；ｏｎｔｏｌｏｇｙ；ｒｅｌａｔｉｏｎｓｈｉｐ收稿日期：２０２１⁃０５⁃１６修回日期：２０２１⁃０６⁃０９作者简介：顾丹阳（１９９７ ），女，河北沧州人，本科，研究方向为知识图谱㊂李明倩（１９９７ ），女，本科㊂㊀㊀知识图谱的概念最早可以追溯到２０世纪６０年代形成的 语义网络 理论，２０１２年谷歌首次提出 知识图谱 技术并用于搜索引擎的智能化实现，它由互连的节点和边构成，以图的形式呈现节点及其之间的关系［１］㊂知识图谱包括通用知识图谱和领域知识图谱两大类㊂通用知识图谱主要强调知识的广度，而领域知识图谱则面向不同的领域，基于不同行业的不同需求定制，往往需要领域专家的经验支持和反复讨论㊂例如，国土资源［２］㊁测绘［３］㊁电力［４］㊁网络安全［５］㊁情报［６］等领域的知识图谱研究㊂而武器装备领域比较特殊，该领域数据来源广泛㊁类型多样，有利于构建知识完备㊁有效辅助战场决策的知识图谱，但同时又大幅增加了构建知识图谱的难度和复杂性㊂在该领域，已经形成了部分初步的研究成果㊂林旺群等［７］对知识图谱体系架构及研究进展进行了综述；邢萌等［８］㊁吴云超等［９］㊁葛斌等［１０］对军事领域知识图谱的构建环节㊁技术及应用场景进行了研究；赵瑜等［１１］㊁丁君怡等［１２］基于开源数据研究了军事领域相关内容的知识图谱构建方法；车金立等［１３］基于百科知识对军事装备知识图谱进行构建与应用研究，但其数据来源与数据类型较为单一；刘梦超等［１４］㊁王宏宇等［１５］从军事领域本体出发研究知识建模的内容与方法；江志浩等［１６］㊁车金立等［１７］㊁袁清波等［１８］㊁赵颜利等［１９］㊁左毅等［２０］分别对军事领域的作战目标㊁装备维修保障㊁指挥控制保障㊁战例知识㊁战场海空目标识别等分领域的知识图谱应用进行了研究；李代祎等［２１］就面向问答系统的知识图谱进行了研究；夏正洪等［２２］对知识图谱的效能评估及可视化分析进行了研究㊂上述研究成果都为知识图谱的构建提供了思路和借鉴，但在复杂应用环境下构建高质量的武器装备领域知识图谱仍然面临较多的困难㊂近年来，军事领域对于武器装备的 数据化 信息化 要求越来越高，作战形式也向 联合 方向发展，单一军兵种或单一形式的数据资料远远不能满足战场需求㊂如何展示武器装备数据之间的关系，对武器装. All Rights Reserved.第６期指挥控制与仿真１５㊀备数据进行进一步的分析，全面考量各类武器装备对于军事行动的作用，支撑相关领域相关内容的快速分析和智能搜索，成为当前亟待解决的问题㊂作者尝试提出一种武器装备知识图谱的构建方法，以支持主战武器装备数据的智能信息搜索，进一步发挥大量武器装备数据的潜在价值㊂１㊀武器装备领域知识图谱的技术架构１ １㊀知识建模方法知识建模的方法通常有２种：自顶向下的方法和自底向上的方法㊂自顶向下的方法通常首先为知识图谱定义数据模式，数据模式从最顶层概念构建，逐步向下细化，形成结构良好的分类学层次，然后再将实体添加到概念中㊂自底向上的方法是对实体进行归纳组织，形成底层概念，然后逐步向上抽象，形成上层概念㊂一般通用知识图谱主要采取自底向上的方法，而专业领域的知识图谱一般采取自顶向下的方法㊂武器装备领域属于典型的专业领域，其概念层次划分分明，但部分专业知识存在于领域专家头脑中，可能无法从数据中归纳㊁抽象得到，所以该领域知识图谱在开始构建时更适合采用自顶向下的方法㊂当知识图谱的基本结构（或概念层次结构）已经确立并且其类别节点或关系的数量达到一定规模后，可以采用自底向上的方法为图谱扩充实例及属性数据㊂如果出现新的概念或类别，必须经过人的审核确认才能加入知识图谱中㊂在知识图谱构建之后，其后续维护和发展，需要采取自顶向下和自底向上相结合的方法㊂自顶向下的方法保证知识图谱中概念和类别层次在质上的正确性，自底向上的方法保证知识图谱中实例及关系数据在量上的有效扩增㊂２种方法互相依赖㊁相互补充，共同促进知识图谱结构和规模的递增和迭代发展，形成持续进化的良性循环㊂１ ２㊀本体设计本体的概念最初起源于哲学领域，是对世界上真实存在的系统的描述，是客观存在的一个系统的解释或说明［２３］㊂Ｇｒｕｂｅｒ将本体定义为 本体是概念化的明确的规范说明 ［２４］，Ｗ．Ｎ．Ｂｏｒｓｔ引申为 本体是共享的概念模型的形式化的规范模型 ［２５］，Ｆｅｎｓｅｌ认为主要包括４个方面［２６］：１）概念化：客观世界现象的抽象模型；２）明确：概念及概念之间的联系都被精确定义；３）形式化：精确的数字描述；４）共享：本体中反映的知识是其使用者共同认可的㊂本文借鉴环球网＿环球兵器栏目［２７］㊁中国网⁃武器资料库栏目［２８］等热门军事网站对于武器装备的分类情况，参考了中国指挥与控制学会（微信号ｃ２＿ｃｈｉｎａ）㊁电科防务（微信号：ＣＥＴＣ⁃ＥＴＤＲ）等公众号资源，结合武器装备现有数据对武器装备领域的重要本体概念进行了梳理分析㊂本文主要聚焦于平台级的武器装备进行分类㊂对于以某种平台为载体的装备，例如专门用于通信保障的通信车㊁用于地理测绘的测绘车辆等，统一归结到车辆类别中；而对于以独立形态存在的通信电台等装备，可以在领域本体中扩充相应的本体概念，例如通信电子装备㊂以下是我们定义的部分武器装备领域本体概念，主要围绕平台级武器装备展开㊂依据上述扩充原则，在此基础上可以扩展出其他类型的武器装备本体概念㊂武器装备领域本体＝｛飞行器㊁舰船舰艇㊁枪械与单兵武器㊁坦克装甲车辆㊁火炮㊁导弹武器㊁爆炸物㊁通信电子装备㊁软件类设备 ｝；飞行器＝｛航空器㊁航天器｝；航空器＝｛战斗机㊁攻击机㊁轰炸机㊁教练机㊁预警机㊁侦察机㊁反潜机㊁电子战机㊁无人机㊁运输机㊁飞艇㊁试验机㊁加油机 ｝；舰船舰艇＝｛航空母舰㊁战列舰㊁巡洋舰㊁驱逐舰㊁护卫舰㊁两栖作战舰艇㊁核潜艇㊁常规潜艇㊁水雷战舰艇㊁导弹艇㊁巡逻舰㊁巡逻艇 ｝；枪械与单兵武器＝｛非自动步枪㊁自动步枪㊁冲锋枪㊁狙击枪㊁手枪㊁机枪㊁霰弹枪㊁火箭筒㊁榴弹发射器㊁刀具 ｝；坦克装甲车辆＝｛步兵战车㊁主战坦克㊁特种坦克㊁装甲运兵车㊁装甲侦察车㊁装甲指挥车㊁工程抢修车㊁布雷车㊁扫雷车 ｝；火炮＝｛榴弹炮㊁加农炮㊁加农榴弹炮㊁迫击炮㊁火箭炮㊁高射炮㊁坦克炮㊁反坦克炮㊁无后坐炮㊁装甲车载炮㊁舰炮㊁航空炮㊁自行火炮㊁弹炮结合系统 ｝；导弹武器＝｛反弹道导弹㊁潜舰导弹㊁空舰导弹㊁岸舰导弹㊁舰舰导弹㊁空空导弹㊁地空导弹㊁舰空导弹㊁地地导弹㊁舰地导弹㊁空地导弹㊁潜地导弹㊁反辐射导弹㊁反坦克导弹 ｝；爆炸物＝｛地雷㊁水雷㊁手榴弹㊁炮弹㊁炸弹㊁鱼雷㊁火箭弹㊁原子弹㊁氢弹㊁中子弹 ｝㊂作者认为飞行器是指由人类制造㊁能飞离地面并由人直接操控或遥控的在大气层内或大气层外空间（太空）飞行的器械飞行物㊂在大气层内飞行的称为航. All Rights Reserved.１６㊀顾丹阳，等：基于本体的主战武器装备知识图谱构建第４３卷空器，在太空飞行的称为航天器㊂所以卫星㊁宇宙飞船㊁空间站等太空中的装备我们一并归为航天器㊂但一般情况下并不把这类装备认为是主战武器装备，因此航天器不是本文研究的重点内容㊂而导弹等武器虽然具备上述性质，但其在现代高技术战争中经常是以独立的平台形式出现，在海战或空战中的作用尤为突出，因此根据这些应用特点，将其单独划分出来作为一类武器装备㊂图１是基于上述本体概念划分出来的主战武器装备本体概念层级图㊂图１㊀主战武器装备本体概念层级图㊀㊀除上述本体概念和层级分类外，还有一些概念也和武器装备存在非常紧密的联系㊂如图２所示，Ｂ⁃２轰炸机是轰炸机的一个实例，研发国家为美国，参加过科索沃战争，又名 幽灵 轰炸机㊂本文将这些与武器装备概念直接相关的概念也提取出来作为本体处理，称为扩展领域本体㊂例如： 美国 为 国家 这一本体下的实例， 科索沃战争 为 战争 这一本体下的实例㊂当研究武器装备的作战应用时，就必须关注这些扩展领域本体，主要涉及组织㊁军事行动㊁生产企业三类与作战应用直接相关的概念㊂将国家㊁地区㊁国际组织㊁非政府组织等基于地理区域的独立实体统称为组织，一般代表武器装备的拥有者㊁使用者或部署地；将战争㊁战役㊁战斗㊁武装冲突㊁军事演习等统称为军事行动，其中战例是战争㊁战役㊁战斗实例的通称；将生产厂家㊁公司㊁军工企业等研发㊁生产或销售武器装备的独立经济实体统称为企业㊂根据其他应用目的也可扩展其他的领域本体㊂１ ３㊀关系建模１ ３ １㊀关系定义关系指事物之间相互作用㊁相互影响的状态，或人和人之间或任何事物之间某种性质的联系㊂在武器装备领域，本体及其之间的关系主要分为６类：上下关系主要是根据范围确定父概念与子概念，由于上下关系的数量有限，在构建时可主要依赖研究报告和热门军事网站中所描述的上下层次关系；同义关系主要指概念上相同或者相似的表达，主要从字面表示的不同对同一个概念或者本体进行抽取；属性关系为武器装备及其特征之间的关系；整体与局部关系主要存在于武器装备的组成当中，本文研究内容的颗粒度为武器平台的级别，因此该类关系并未具体体现；概念与实例关系主要是指上层概念与下级具体实例之间的关系；但并不是所有的关系都能归结到这５种关系上来，其他无法明确归类的关系在本文中统一称为一般关系㊂以图２为例，航空器与轰炸机为上下关系，即父概念与子概念的关系；科索沃战争是战争的一个实例，即为概念与实例关系；Ｂ⁃２轰炸机的研发国家为美国，美国是国家概念的一个实例；研发国家是轰炸机的一个属性，即为属性关系㊂第６期指挥控制与仿真１７㊀１ ３ ２㊀关系描述根据上述关系的定义，常采取ＲＤＦ（ＲｅｓｏｕｒｃｅＤｅ⁃ｓｃｒｉｐｔｉｏｎＦｒａｍｅｗｏｒｋ，资源描述框架）三元组的形式对关系数据进行描述㊂ＲＤＦ是Ｗ３Ｃ的推荐标准，是一种资源描述语言，它受到元数据标准㊁框架系统㊁面向对象语言等多方面的影响，用来描述各种网络资源，其为人们在Ｗｅｂ上发布结构化数据提供了一个标准的数据描述框架㊂ＲＤＦ用二元关系模型来表示事物之间的语义关系，即使用三元组集合的方式来描述事物和关系㊂三元组也是知识图谱中知识表示的基本单位，可用于表示实体与实体之间的关系，或者实体的某个属性的属性值是什么㊂从内容上看三元组的结构为 资源⁃属性⁃属性值 的形式㊂根据抽取的大量数据，将武器装备的属性及武器装备之间的关系进行梳理总结㊂根据武器装备属于不同的层次㊁分类来确定本体之间存在什么关系；根据描述本体性质的内容，来提炼本体的属性㊂如图２所示，可以得到＜轰炸机，研发国家，国家＞这样的三元组，既是轰炸机和国家两个实体间的关系，又可以将国家作为描述轰炸机的属性之一㊂由于不同的装备具有不同的性能或特性，可以将一些概念的特殊属性补充到知识图谱中去，例如：预警机一般不携带炸弹，而轰炸机会携带炸弹，轰炸机携带某个型号的炸弹这一关系就会构建到知识图谱中，如图２所示，＜Ｂ⁃２轰炸机，携带，ＡＧＭ⁃１２９型巡航导弹＞㊂２㊀武器装备领域知识图谱的构建过程２ １㊀构建流程本文在开始构建知识图谱时采取自上而下的构建方法，首先构建领域本体，而后对收集到的大量数据进行抽取，并对其中的冗余数据进行融合，形成符合要求的三元组形式，最后利用知识图谱工具构建知识图谱㊂构建好的知识图谱可用于指导数据的抽取过程，以不断丰富和完善知识图谱㊂总体构建流程如图３所示㊂２ ２㊀实体㊁属性抽取在对本体进行设计后，会形成本体概念的层次体系，体系中的本体都是经过验证的准确概念㊂在对大量数据进行处理时，如遇到不在体系中但是符合本体条件的词语，可进行人工判定并加入体系㊂根据定义好的本体概念层次，结合获取的大量数据，对武器装备领域的知识进行实体抽取，主要以本体实例的形式充实到知识图谱中㊂同时，抽取本体的各种属性对知识图谱进行丰富，例如，每类武器装备实例都有研发国家㊁生产日期㊁配发部队等㊂下面以Ｂ⁃２轰炸机为例进行说明，下文是百度百. All Rights Reserved.１８㊀顾丹阳，等：基于本体的主战武器装备知识图谱构建第４３卷图３㊀构建流程科对Ｂ⁃２轰炸机的部分阐述：Ｂ⁃２轰炸机是当今世界上唯一一种的隐身战略轰炸机㊂Ｂ⁃２轰炸机机长２１ ０３ｍ，机高５ １８ｍ，翼展５２ ４３ｍ，机翼后掠角３３度㊂可携带８枚近距攻击导弹，８枚Ｂ８３炸弹㊂Ｂ⁃２轰炸机第一次投入实战是在塞尔维亚的科索沃战争，这是投入服役十年后的第一次出战㊂２００３年３月，Ｂ⁃２轰炸机投入伊拉克战场，一架Ｂ⁃２在２８日晚上首次实战投放了两颗２１３０ｋｇ的新型ＥＧＢＵ⁃２８制导炸弹，炸毁了巴格达市内位于底格里斯河畔的一个通讯塔㊂本文对此内容进行实体抽取将会得到 Ｂ⁃２轰炸机㊁隐身战略轰炸机㊁近距攻击导弹㊁Ｂ８３炸弹㊁塞尔维亚㊁科索沃战争㊁伊拉克㊁ＥＧＢＵ⁃２８制导炸弹㊁巴格达市㊁底格里斯河㊁通讯塔 等实体㊂２ ３㊀关系㊁属性抽取基于上文建模的６类关系，对数据进行关系㊁属性抽取处理，得到＜实体，关系，实体＞㊁＜实体，属性，属性值＞等三元组㊂继续对上文的Ｂ⁃２轰炸机示例进行抽取可得到以下三元组：其中表示关系的三元组有：＜Ｂ⁃２轰炸机，携带，近距攻击导弹＞；＜Ｂ⁃２轰炸机，携带，Ｂ８３炸弹＞；＜Ｂ⁃２轰炸机，投入，科索沃战争＞；＜Ｂ⁃２轰炸机，投入，伊拉克战场＞；＜Ｂ⁃２轰炸机，投放，ＥＧＢＵ⁃２８制导炸弹＞；＜Ｂ⁃２轰炸机，炸毁，通讯塔＞；＜通讯塔，位于，巴格达市＞㊂表示属性的三元组有：＜Ｂ⁃２轰炸机，机长，２１ ０３ｍ＞；＜Ｂ⁃２轰炸机，机高，５ １８ｍ＞；＜Ｂ⁃２轰炸机，翼展，５２ ４３ｍ＞；＜Ｂ⁃２轰炸机，机翼后掠角，３３ʎ＞㊂２ ４㊀知识融合与更新抽取得到的知识中可能存在大量的冗余，需要对冗余数据进行融合㊂同义词和近义词是典型的冗余数据之一，可作为同义关系来处理㊂将语义相似的㊁表达方式不同的词语定义为同义关系，再遇到此类词语时，将其按照同一类模板进行处理㊂另外，时间和地点数据也可以用于进行知识融合㊂通过判断时间和地点的一致性可以把不同实体有效关联起来㊂可以对时间和地点进行单独处理，以辅助武器装备领域知识图谱的构建，提高知识图谱的准确性㊂知识图谱还要随着数据的更新换代而不断迭代更新，因此需要经常对数据进行获取处理，并对图谱进行更新维护㊂随着武器装备的发展，其领域本体㊁关系等也需要适时更新㊂２ ５㊀知识图谱构建结果图４是利用Ｎｅｏ４ｊ图数据库构建的知识图谱㊂显示了航空器㊁Ｂ⁃２轰炸机㊁科索沃战争等实体或实例及其之间的关系㊂图５是利用Ｃｙｐｈｅｒ语句对 Ｂ⁃２轰炸机在哪些战争中投入过使用？ 这一问句进行查询的结果㊂根据需要我们也可以围绕某一节点对知识图谱进行不同深度的查询㊂３㊀结束语本文阐述了武器装备领域知识图谱的构建方法，重点定义了其领域本体及关系，讨论了实体㊁关系㊁属. All Rights Reserved.第６期指挥控制与仿真１９㊀图４㊀利用Ｎｅｏ４ｊ构建的知识图谱示例图５㊀知识图谱查询示例性等抽取过程㊂构建知识图谱时，首先要确保本体概念层次的完整性和准确性，再对下层数据进行扩充，这样才符合武器装备领域的特点㊂构建知识图谱时，经常面临的一个现实问题是，虽然数据量很大，但真正对构建图谱起作用的不多，而且武器装备领域的很多敏感资料是采集不到的㊂因此如何保证图谱的实时性和有效性是值得进一步研究的问题㊂参考文献：［１］㊀肖仰华．知识图谱：概念与技术［Ｍ］．北京：电子工业出版社，２０２０．［２］㊀刘广禹，陈瑶瑶，王娇．基于ＣｉｔｅＳｐａｃｅ的国土资源 一张图 知识图谱分析［Ｊ］．国土资源信息化，２０２１（２）：２２⁃２７．［３］㊀路威，赵丽君．兵要知识图谱的构建与应用研究［ＥＢ／ＯＬ］．（２０２０⁃１２⁃２８）．ｈｔｔｐｓ：ʊｄｏｉ．ｏｒｇ／１０ １４１８８／ｊ．２０９５⁃６０４５ ２０２００９４．［４］㊀蒲天骄，谈元鹏，彭国政，等．电力领域知识图谱的构建与应用［ＥＢ／ＯＬ］．（２０２１⁃０４⁃２１）．ｈｔｔｐｓ：ʊｄｏｉ．ｏｒｇ／１０ １３３３５／ｊ．１０００⁃３６７３．ｐｓｔ．２０２０ ２１４５．［５］㊀丁兆云，刘凯，刘斌，朱席席．网络安全知识图谱研究综述［ＥＢ／ＯＬ］．（２０２１⁃０４⁃２３）．ｈｔｔｐｓ：ʊｄｏｉ．ｏｒｇ／１０ １３２４５／ｊ．ｈｕｓｔ．２１０７１５．［６］㊀张云中，祝蕊．面向知识问答系统的图情学术领域知识图谱构建：多源数据整合视角［Ｊ］．情报科学，２０２１，３９（５）：１１５⁃１２３．［７］㊀林旺群，汪淼，王伟，等．知识图谱研究现状及军事应用［Ｊ］．中文信息学报，２０２０，３４（１２）：９⁃１６．［８］㊀邢萌，杨朝红，毕建权．军事领域知识图谱的构建及应用［Ｊ］．指挥控制与仿真，２０２０，４２（４）：１⁃７．［９］㊀吴云超，毛少杰，周芳．面向仿真推演的领域知识图谱构建技术［Ｊ］．指挥信息系统与技术，２０１９，１０（３）：３２⁃３６，８２．［１０］葛斌，谭真，张翀，肖卫东．军事知识图谱构建技术［Ｊ］．指挥与控制学报，２０１６，２（４）：３０２⁃３０８．［１１］赵瑜，陈志坤，杨春．基于开源数据的军事领域知识图谱构建方法［Ｊ］．指挥信息系统与技术，２０１９，１０（３）：. All Rights Reserved.２０㊀顾丹阳，等：基于本体的主战武器装备知识图谱构建第４３卷６４⁃６９．［１２］丁君怡，赵青松，夏博远，等．基于开源数据的武器装备知识图谱构建方法研究［Ｊ］．指挥控制与仿真，２０１８，４０（２）：２２⁃２６．［１３］车金立，唐力伟，邓士杰，等．基于百科知识的军事装备知识图谱构建与应用［Ｊ］．兵器装备工程学报，２０１９，４０（１）：１４８⁃１５３．［１４］刘梦超，王玉玫，吴亚非，等．基于本体的军事装备知识建模及分析［Ｊ］．计算机与现代化，２０２１（１）：７６⁃８０．［１５］王宏宇，杨朝红，周育伟．军事领域本体构建的内容与方法研究［Ｊ］．信息通信，２０２０（１０）：１４９⁃１５１．［１６］江志浩，周卿，石敏，等．作战目标知识图谱构建与应用［Ｊ］．海军航空工程学院学报，２０２０，３５（６）：４７１⁃４７７．［１７］车金立，唐力伟，邓士杰，等．装备维修保障知识图谱构建方法研究［Ｊ］．兵工自动化，２０１９，３８（１）：１５⁃１９．［１８］袁清波，杜晓明，马合林．指挥控制保障领域知识抽取系统框架研究［ＥＢ／ＯＬ］．（２０２１⁃０４⁃１５）．ｈｔｔｐ：ʊｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／６１ １２２４．ＴＮ．２０２１０４１５ １４５３ ００２．ｈｔｍｌ．［１９］赵颜利，李连军，余红梅，等．面向战例知识图谱的本体构建［Ｊ］．海军航空工程学院学报，２０２０，３５（５）：４０７⁃４１３．［２０］左毅，张桂林，吴蔚，等．面向战场海空目标识别的知识图谱应用［Ｊ］．指挥信息系统与技术，２０１９，１０（３）：１⁃５，２４．［２１］李代祎，盛杰，刘运星，等．基于知识图谱的军事武器问答系统［Ｊ］．指挥信息系统与技术，２０２０，１１（５）：５８⁃６５．［２２］夏正洪，万健，朱新平．基于科学知识图谱的效能评估研究可视化分析［Ｊ］．火力与指挥控制，２０２０，４５（３）：１３３⁃１３７．［２３］王向前，张宝隆，李慧宗．本体研究综述［Ｊ］．情报杂志，２０１６，３５（６）：１６３⁃１７０．［２４］ＧｒｕｂｅｒＴ．ＡＴｒａｎｓｌａｔｉｏｎＡｐｐｒｏａｃｈｔｏＰｏｒｔａｂｌｅＯｎｔｏｌｏｇｙＳｐｅｃｉｆｉｃａｔｉｏｎｓ［Ｊ］．ＫｎｏｗｌｅｄｇｅＡｃｑｕｉｓｉｔｉｏｎ，１９９３（５）：１９９⁃２２０．［２５］冯志勇，李文杰，李晓红．本体论工程及其应用［Ｍ］．北京：清华大学出版社，２００７．［２６］ＦｅｎｓｅｌＤ．ＴｈｅＳｅｍａｎｔｉｃＷｅｂａｎｄＩｔｓＬａｎｇｕａｇｅｓ［Ｊ］．ＩＥＥＥＣｏｍｐｕｔｅｒＳｏｃｉｅｔｙ，２０００，７（２）：７５⁃７７．［２７］环球网＿环球兵器［ＥＢ／ＯＬ］．（２０１４⁃０５⁃１２）．ｈｔｔｐ：ʊｗｗｗ．ｈｏｎｇｇｅｈｕｉ．ｏｒｇ／ｗｅａｐｏｎ／ｗｅａｐｏｎｌｉｓｔ／．［２８］中国网＿武器资料库栏目［ＥＢ／ＯＬ］．（２０１２⁃０８⁃０１）．ｈｔｔｐ：ʊｍｉｌｉｔａｒｙ．ｃｈｉｎａ．ｃｏｍ．ｃｎ／ｗｕｑｉｋｕ．ｈｔｍ．（责任编辑：胡前进）. All Rights Reserved.。
基于聚类分析的装备大修信息管理
基于聚类分析的装备大修信息管理摘要：本文主要针对我军装备数量多、规模大的特点，分析了在对装备大修预测和装备大修信息管理中的不足。
并针对以上不足，提出了采用聚类分析的方法对装备大信息进行整合、分析，力求为我军装备大修信息管理系统的构建提供实际支持。
abstract： this article mainly aims at the large number and size characteristics of china’s army equipment，analyzes the deficiencies in equipment overhaul predictive and equipment overhaul information management. and in view of the above， it proposes to use cluster analysis method to integrate and analyze the equipment overhaul information，to provide practical support for information management system construction of army equipment overhaul.关键词：装备大修；聚类分析；信息管理key words： equipment overhaul；cluster analysis；information management中图分类号：tp39 文献标识码：a 文章编号：1006-4311（2013）05-0177-020 引言构建装备维修信息管理系统，能够有效对装备大修信息进行管理、对技术状态进行预测，从而提高精细化管理水平、降低维修保障费用。
准确预测大修装备的规模是全军装备大修工作的基础，也是该信息系统成败的关键要素之一。
而想要对某一种装备制定判定规则、预测大修规模并不复杂，但由于全军装备数量多、规范庞大。
关于关联分析与聚类分析的研究详细说明
一、关联分析与规则归纳分析所谓关联分析，在我们商业研究的一个最常的运用就是购物篮分析。
它是根据商家搜集到的某段时间内顾客消费情况的数据，从中找出各个消费品之间的联系，即在海量的消费数据中挑出哪些商品与哪些商品同时被购买的可能性最大，从而为商家作出决策提供重要信息。
因此关联分析对于我们来说在研究业态组合，品类落位等方面意义重大。
当然关联分析最直接适用的地方就是在超市或百货的商品陈列摆放上，好的陈列和摆放对于销量和业绩的增长是不可小觑的。
另外，我们还可以通过规则归纳分析挖掘出最容易消费这些商品的顾客具有什么样的人口统计学特征，从而进行针对性广告设计或者重点营销。
关联分析的方法主要有GRI建模和WEB图形法。
规则归纳分析主要用到C5.0。
（一）、GRI1、目的：从众多的购物篮中找出各个商品之间的关联，确定关联性最强的是哪几类商品。
2、原始数据要求：商家提供出的数据应包括以下几个字段：消费者信息（性别、年龄、家庭、教育、收入等等人口统计学特征，其实可以理解成自变量）；每个消费者所购买的商品种类（二分变量，即某一类商品此消费者是否有购买。
标明是/否）。
例如：ID 性别年龄收入……. 酒蔬菜水果肉……..011 男25 50000 是是否是012 女35 45000 是否是否013 男46 100000 是是否是3、具体操作：clementine。
源节点，导入数据→类型节点→GRI节点即可（具体参数设置略）。
如果在输出的过程中不需要哪些信息，还可以在GRI 节点前添加“过滤”节点。
4、解释：最终数据会将关联性较强的几种商品罗列出来。
比如，买了酒和肉，最有可能买的商品会是水果。
如图：（二）、Web1、目的与原始数据要求同GRI方法的要求。
2、操作过程与GRI相同，只是在类型节点后面添加的是WEB图形节点。
3、数据解释：WEB节点是一种图形节点，其输出结果相对于GRI更直观和形象。
如图：它将关联性最强的品类之间的线描绘的最粗。
层次聚类算法课件
层次聚类形成的树状图能够直观地展示聚 类的过程和结果，便于理解和分析。
适用于任意形状的簇
对异常值敏感
层次聚类不受簇形状的限制，可以发现任 意形状的簇。
层次聚类对异常值比较敏感，异常值可能 会对聚类结果产生较大影响。
层次聚类算法的分类
01
根据是否进行分裂可以分为凝聚 层次聚类和分裂层次聚类。
02
根据距离度量方式可以分为最小 距离层次聚类、最大距离层次聚 类和平均距离层次聚类等。
对于具有非凸形状的簇，层次 聚类算法可能无法找到最优的 聚类结果。这是因为该算法基 于距离度量来构建簇，而距离 究
CHAPTER
案例一：社交网络用户群体的层次聚类
总结词
社交网络用户群体的层次聚类是利用层次聚类算法对社交网络中的用户进行分类的一种 应用。
特征选择
选择与聚类目标最相关的特征，去除冗余特征。
特征标准化
将特征值缩放到统一尺度，如归一化或标准化。
距离度量的选择
欧氏距离
适用于连续型数据，计算两点之间的直线距 离。
皮尔逊相关系数
适用于连续型数据，衡量两个变量之间的线 性关系。
余弦相似度
适用于连续型数据，衡量两个向量之间的夹 角大小。
Jaccard相似度
索、图像识别、目标检测等应用。
谢谢
THANKS
05 层次聚类算法的优缺点分析
CHAPTER
优点分析
灵活性
层次聚类算法能够处理各种形状和大小的簇，而 不仅仅是圆形或球形的簇。它能够识别出具有复 杂结构的簇，使得聚类结果更加符合实际情况。
稳健性
对于异常值和噪声数据，层次聚类算法通常具有 较好的稳健性。因为异常值和噪声数据对距离计 算的影响较小，所以它们不太可能对聚类结果产 生重大影响。
层次聚类算法应用场景
层次聚类算法应用场景层次聚类算法应用场景层次聚类算法是一种基于距离度量的聚类方法，其主要思想是将样本逐步合并成越来越大的簇，直到所有样本被合并为一个簇或达到预设的阈值。
该算法适用于数据量较小、数据结构相对简单、数据之间距离易于计算的情况下，具有灵活性和可解释性较强的优点。
以下是层次聚类算法在不同领域中的应用场景。
1. 生物学领域生物学领域中常常需要对生物序列进行分类和聚类分析，以便更好地理解生物进化和功能等方面的问题。
例如，在基因组学中，研究人员可以使用层次聚类算法对不同物种的基因组序列进行分类，并进一步探索其演化关系和功能特征。
此外，在蛋白质结构预测和分析中，也可以利用层次聚类算法将相似结构的蛋白质归为同一簇，并进一步分析其结构和功能。
2. 金融领域金融领域中需要对客户进行分类和风险评估，以便更好地制定个性化的投资策略和风险管理方案。
例如，在银行业中，可以使用层次聚类算法对客户进行分类，以便更好地了解他们的财务状况和投资偏好，并为其提供相应的服务和产品。
此外，在股票市场中，也可以利用层次聚类算法对股票进行分类和聚类分析，以便更好地了解它们的风险和收益特征，并为投资者提供相应的建议和指导。
3. 图像处理领域图像处理领域中需要对图像进行分类、识别和分割等操作，以便更好地理解其内容和特征。
例如，在人脸识别中，可以使用层次聚类算法将相似的面部特征归为同一簇，并进一步分析其人脸识别率和误差率。
此外，在图像分割中，也可以利用层次聚类算法将相似区域归为同一簇，并进一步探索其形状、颜色和纹理等特征。
4. 市场营销领域市场营销领域中需要对消费者进行分类和预测，以便更好地制定个性化的营销策略和推广方案。
例如，在电子商务中，可以使用层次聚类算法将相似的消费者归为同一簇，并进一步分析其购买行为和偏好，以便更好地推荐相应的商品和服务。
此外，在广告投放中，也可以利用层次聚类算法将相似的用户归为同一簇，并进一步探索其兴趣和需求等特征，以便更好地制定精准的广告投放策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
阵 。 实例研 究表 明 ， 方 法 的 引入 清晰 地 表 达 了武 器 装备 需 求之 间 对应 的 关 联 关 系。 此
关 键 词 ：武 器装 备 需 求 ；层 次 聚 类 ；关 联 性 ；电子 地 图
中 图分 类 号 ： Ｐ ｌ． Ｔ３ １ ５
文献 标 识 码 ： Ａ
文章 编 号 ：１７ — ２６ ２ １ ）３ ０ ３ － ３ ６ ４ ６ ３ （０ １ １－ ０ ６ ０
Ｃ ａｇｈ １０ ３ Ｃ ｉａ ２ Ｄ ｐ ｒ ｅｔｆＴａ ｉ ， ａｉ ａ Ｕ ｉ ｒｔ 瑚ｅＴｃ ｎｌ ｙ Ｃ ａｇｈ ４ ０ ７ ， ｉ ） ｈｎｓａ４ ０７ ， ｈ ； ． ｅ ａ ｍ ｎ ｒｉ ｎ Ｎ ｔ ｎｌ ｎ ｅ ｉ ｏ ｎ ｔ ｏ ｎｇ ｏ ｖ ｓｙ ｆＤ ｅｈ ｏ ｇ ， ｈｎｓａ １０ ３Ｃ ｎ ｏ ｈ ａ
ｒ ｑ ｉ ｍｅ ｔ． ｅ ｔ ｉ ｐ ｐ ｒｂ ｉ ｅ ｔ ｘ ｂ ｔ ｅ ｎ ｆ ｈ ｅ ｕ ｒ ｍｅ ｔ ａ ｄ ｓ ｓｅ ｒｑ ｉ ｍｅ ｔ ｎ ｔ ｘ ｂ ｔ ｅ ｅ ｕｒ ｅ ｎｓ ｈ Ｔ ｎ， ｓ ａ ｅ ｕ ｌ ｄ ａ ｍａｒ ｅｗ ｅ ｇ ｔｒ ｑ ｉ ｈ ｄ ｉ ｉ ｅ ｎ ｓ ｎ ｙ ｔ ｍ ｕ ｒ ｅ ｅ ｎ ｓ ａ ｄ ａ ｍａｒ ｅｗｅ ｎ ｉ ｓ ｓｅ ｒ ｑ ｉ ｍｅ ｔ ａ ｄ ｔｃ ｎ ｌｇ ｅ ｕ ｒｍｅ ｔ ｙ ｓ ｍｅ ｒ ｌ ｓｗｈｃ ｔｍａ ｅＬ ｓｌ ｉ ｇ ｔｔｅ ｃ ｒｅａｉ ｅ ｍａｒｘ ｂ ｔ ｅ ｎ ｙ ｔｍ ｅ ｕ ｒ ｅ ｎ ｓ ｎ ｅ ｈ ｏｏ ｙ ｒ ｑ ｉ ｅ ｎｓ ｂ ｏ ｕ ｅ ｉｈ ｉ ｄ ． ａ ｔ ｔ ｏ ｈ ｏ ｒ ｌｔ ｔ ｅｗ ｅ ｙ， ｖ ｉ
１ ０ ３ ２ 国防 科技 大 学 训练 部 ，湖 南 长 沙 ４ ０ ７ ） １０ ３ （． １ 国防 科 学技 术 大 学 信 息 系统 工程 重 点 实验 室 ，湖 南 长沙 ４ ０ ７ ； ．
摘 要 ：为研 究武 器 装 备 需 求 之 间 的 关联 关 系 ， 引入 了 自顶 向下 分 解 层 次聚 类 分 析 方 法 。 该 方 法将 武 器 装 备 需 求 分 解
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ｔ ｉ ｐ ｐ ｒ ｕ ｅ ｈ ｔ ｏ ｆ ｃｕ ｔｒ ｇ ｕ ｉ ｇ ｈ ｅ ａ ｃ ｉｓ ｔ ｔ ｄ ｈ ｅ ｅ ａ ｃ ｆ ｍａｅ ｅ ｅ ｕ ｒ ｍｅ ｔ ． ｈ ｓ ａ ｅ ｓ ｄ ｔ ｅ ｍｏｈ ｄ ｏ ｌ ｓ ｉ ｓ ｉ ｒ ｒｈ ｅ ｏ ｓ ｙ ｔ ｅ ｒｌ ｖ ｎ ｅ ｏ ｔｒ ｌ ｒ ｑ ｉ ｅｎ ｎ ｕ ｉ ｅ ｎｓ
ｉ ｔｒ ｑ ｉ ｆ ｈ ｅ ｕｒ ｍｅ ｔ ａ ｄ ｔｃ ｎ ｌｇ ｅ ｕ ｒ ｍｅ ｔ ｙ ｔ ｅ ｏ ｅ ａ ｉｎ ｏ ｔ ｘ ｓＴ ｅ ｒ ｓ ｌ ｎ ｉａ ｅ ｔ ａ ｅ ｃ ｎ ｆ ｄ ｔ ｅ ｇ ｅ ｎ ｓ ｎ ｅ ｈ ｏｏ ｒｑ ｉ ｙ ｅ ｎ ｓ ｈ ｈ ｐ ｒ ｔ ｔ ｍａｒ ｅ ． ｈ ｅ ｕ ｔ ｉｄ ｃ ｔ ｈ ｔｗ ａ ｎ ｈ ｏ ｆ ｗｏ ｉ ｓ ｉ ｒ ｌｖ ｎ ｅｏ ｔｒｅ ｅ ｕ ｒ ｍｅ ｔ ｌ ａｌ ｈ ｏ ｇ ｉ ｍｅｈ ｄ ｅ ｅ ａ ｃ ｆｍａｅ ｌｒ ｑ ｉ ｉ ｅ ｎ ｓｃｅ ｒｙｔ ｒ ｕ ｈ ｔ ｓ ｈ ｔｏ ． Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：ｍａｅ ｅ ｅ ｕ ｒｍｅ ｔ ；ｃ ｕ ｔ ｒ ｇ ｕ ｉ ｇ ｈ ｅａ ｃ ｉｓ ｅ ｅ ａ ｃ ；ｅ ｅ ｔ ｎ ｃ ｍａ ｔｒ ｌ ｑ ｉ ｉ ｒ ｅ ｎ ｓ ｌ ｓｅ ｎ ｓ ｉ ｒｒ ｈ ｅ ；ｒ ｌｖ ｎ ｅ ｌ ｃｒ ｉ ｐ ｉ ｎ ｏ
Ｆ ｒ ｔ ， ｔｒ ｌ ｒｑ ｉ ｍｅ ｔ ｗ ｒ ｄ ｃ ｍｐ ｓ ｄ ｉ ｔ ｔ ｒｅ ａｔ ： ｇ ｔ ｅ ｕ ｒ ｍｅ ｔ ， ｙ ｔｍ ｒ ｑ ｉ ｍｅ ｔ ，ｅ ｈ ｏ ｏ ｏ ｏ ｅ ｎ ｏ ｈ ｅ ｐ ｒｓ ｆ ｈ ｒ ｑ ｉ ｉ ｅ ｎｓ ｓ ｓ ｅ ｅ ｕｒ ｅ ｎｓｔｃ ｎ ｌｇ
Ｚ ＨＵＡＮＧ ｉ－ ｏ ， ｎ ，Ｌ ｅ ｇ Ｊｎｔ ‘ ＹＵ Ｂｉ Ｕ Ｆ ｎ ￣ ａ
（． ｃ ｎ ｅ ｎ ｅｈｏｏｙｏ． ｆｒ ａｉ 招珊 Ｅ ｇ ｅｒ ｇＬｂ ｒｔ ｙ Ｎａ ｎｌ ｎｖｒ ｏ ｅ ｎｅＴｃｎ ｌ ｙ １Ｓ ｉ ｃ ｄＴｃｎ ｌ １ｎｏｍ ｔ ｎ ｅ ａ ｇ １Ｉ ｏ ， ｎｉ ｅｉ ａｏａ ｒ， ｔ ａ Ｕ ｉ ｓ ｆＤｆ ￥ ｅｈ ｏ ， ｎ ｎ ｏ ｏ ｉ ｅ ｅ ｏ ｇ
第 １ ９卷 第 １ ３期
Ｖ０ ．９ １１ Ｎ ．３ ｏ １
电子设计 工程
Ｅｌｃ ｒ ｎ ｃ Ｄｅ ｉｎ Ｅｎ ｉ ｅ ｅ ｔｏ ｉ ｓｇ ｇ ｎ ｅ
２ １ 年 ７月 ０１
Ｊ ．０１ ， ２ １ １ ｆ
基亏层 次聚类 分析 的武器 装备 需求关联性研 究
庄 金 涛 。余 滨 。 峰 卢
Ｒｅ ｅ ｒ ｈ ｏ ｔ ｅ ｒ ｌｖ ｎｃ ｆｍ ａ ｅ ｉ ｌｒ ｑｕ ｒ ｍ ｅ ｓ ｂａ ｅ ｏ ｓ ａ ｃ ｎ ｈ ｅｅ ａ ｅ ｏ ｔ ｒｅ ｅ ｉ ｅ ｎｔ ｓ ｄ ｎ
ｃ ｕ ｔ ｒ ｎｇ ｕ ｉ ｇ ｔ ｅ ａ ｃ ｅ ｌ ｓ ｅ ｉ ｓ ｎ ｎ ｒ ｒ ｍ ｓ