基于Stacking策略的集成BN网络目标威胁评估

来源：系统工程与电子技术杂志2024年第2期北京时间：

作者：王紫东, 高晓光, 刘晓寒

单位：西北工业大学电子信息学院, 陕西 西安 710129

摘要：现有基于贝叶斯网络的威胁评估采用专家经验确定的朴素结构, 其推理评估结果精度欠佳。为此，提出一种融合专家经验与数据观测的基于Stacking策略的集成贝叶斯网络(ensemble Bayesian network, EBN)。首先使用不同搜索空间内的评分优化算法获得数据观测模型集并进行模型平均; 然后使用专家经验朴素模型对平均网络进行修剪, 形成威胁约束集合; 最后以动态规划为基础, 通过该集合限制节点序图扩展, 以求取全局最优威胁评估网络。在作战想定中, EBN模型单目标威胁概率推理精度比朴素贝叶斯模型高出10%, 在多目标威胁排序任务中, 其Spearman系数分布亦优于朴素模型。

关键词：威胁评估,贝叶斯网络,结构学习,约束优化

基金资助：国家自然科学基金(61573285);国家自然科学基金(62003267)