第1章 绪论
1.1 目标威胁评估的概念
1.2 目标威胁评估的作用
1.2.1 辅助决策
1.2.2 目标精确管理
1.2.3 火力打击优化
1.3 目标威胁评估的研究现状
1.4 陆战目标威胁评估的特点
1.4.1 陆战武器目标种类多样
1.4.2 陆战武器作战用途多样
1.4.3 战场环境复杂
1.4.4 陆战目标威胁评估难度大
1.5 陆战目标威胁评估的要素与实现步骤
1.5.1 威胁评估要素
1.5.2 威胁评估实现步骤
第2章 目标威胁评估指标体系及量化方法
2.1 评估指标体系的确定原则与建立方法
2.1.1 确定原则
2.1.2 建立方法
2.2 陆战目标威胁评估的主要指标
2.2.1 评估指标的分类
2.2.2 评估指标的含义及描述
2.3 评估指标量化原则与常用量化方法
2.3.1 量化原则
2.3.2 常用量化方法
2.4 目标威胁评估指标的量化
2.4.1 目标静态指标量化
2.4.2 目标动态指标量化
2.4.3 环境指标量化
2.5 威胁评估矩阵的确定
第3章 目标威胁评估指标赋权方法
3.1 指标权重基本概念及赋权原则
3.2 主观赋权法
3.2.1 德尔菲法
3.2.2 环比值法
3.2.3 层次分析法
3.3 客观赋权法
3.3.1 信息熵法
3.3.2 离差函数最大化法
3.3.3 逼近理想点法
3.4 组合赋权法
3.4.1 简单线性加权法
3.4.2 最小偏差组合赋权模型
3.5 变权赋权法
3.5.1 变权方法基本原理
3.5.2 双层融合变权方法
第4章 基于加权综合的目标威胁评估方法
4.1 基于Vague值记分函数评估法
4.1.1 Vague值均衡点
4.1.2 风险厌恶型记分函数SRA(x)
4.1.3 风险追求型记分函数SRP(x)
4.1.4 风险中立型记分函数SRN(x)
4.1.5 记分函数评估法
4.2 基于Vague集距离度量的多属性决策TOPSIS评估法
4.2.1 Vague集距离度量一般方法及其准则
4.2.2 改进的Vague集距离度量法
4.2.3 多属性决策TOPSIS评估法
4.2.4 多属性决策PA
4.3 Vague集关系模型威胁评估法
4.3.1 基于风险偏好的Vague值运算法则
4.3.2 基于Vague集关系的目标评估与排序
4.4 基于战场态势变权的威胁评估方法
4.4.1 战场态势变权方法
4.4.2 变权的TOPSIS威胁评估算法
4.4.3 应用战场态势变权的目标威胁评估
4.5 基于双层融合变权目标威胁评估方法
4.5.1 双层融合变权目标威胁评估步骤
4.5.2 双层变权目标威胁评估实例分析
4.6 基于组合赋权-VIKOR法的目标威胁评估方法
4.6.1 直觉模糊集
4.6.2 组合赋权-VIKOR法的威胁评估模型的建立
4.6.3 实例仿真
第5章 基于机器学习的目标威胁评估方法
5.1 基于多元回归的目标威胁评估
5.1.1 解决思路
5.1.2 多元线性回归的基本原理
5.1.3 多元非线性回归简介
5.1.4 基于多元回归的威胁评估方法
5.1.5 实例
5.2 基于改进型RBF神经网络的目标威胁评估方法
5.2.1 解决思路
5.2.2 RBF神经网络
5.2.3 基于RBF神经网络的威胁评估方法
5.2.4 RBF神经网络威胁评估实例仿真
5.3 基于分类的威胁评估方法
5.3.1 解决思路
5.3.2 常见的分类器及原理
5.3.3 评估方法
5.3.4 基于分类的威胁评估实例
第6章 面向集群目标的威胁评估方法
6.1 集群目标的分组方法
6.1.1 基于作战策略的指挥员主观分组方法
6.1.2 基于算法规则的多目标分组方法
6.1.3 集群目标分组实例
6.2 大规模目标的层次评估结构
6.3 集群目标威胁评估指标体系
6.4 基于战场价值的集群目标威胁评估方法
6.4.1 集群目标威胁评估结构
6.4.2 集群目标整体评估方法
6.5 基于区间变权灰色关联法的集群目标威胁评估
6.5.1 预备知识——区间数权重
6.5.2 集群目标指标体系的量化处理
6.5.3 区间变权权重的确定
6.5.4 适用于区间数的最小二乘灰色关联威胁评估模型的构建
6.5.5 实例仿真
第7章 陆战分队目标威胁评估实例分析
7.1 目标威胁评估背景与评估目的
7.2 建立评估指标体系
7.3 指标量化处理
7.4 指标赋权
7.5 威胁评估算法应用
7.5.1 基于加权综合的威胁评估
7.5.2 基于机器学习的威胁评估
7.6 分析与讨论
第8章 后记与展望
8.1 目标打击价值评估
8.2 目标毁伤评估
8.3 作战能力评估
8.4 作战效能评估
8.5 目标评估与作战意图识别融合发展
参考文献
索引
展开
