基于行为分析的指挥员指挥模式分类模型*

王子明　王　萍　戚学文

(1.海军航空工程学院　烟台　264001)(2.91286部队信息化处　青岛　266000)



基于行为分析的指挥员指挥模式分类模型*

王子明1王萍2戚学文1

(1.海军航空工程学院烟台264001)(2.91286部队信息化处青岛266000)

摘要通过分析特定指挥员在指挥行为实验中的行为表现,构建分析样本数据集,并选取典型指挥员作为参考样本,提出了一种基于K-均值聚类算法的指挥模式分类模型,模型计算简便,便于计算机实现,对于认识和把握特定指挥员特点,并应用于作战和训练实践具有重要意义。

关键词指挥模式; 指挥行为实验; K-均值聚类

Command Pattern Classification Model Based on Behavior Data Analysis

WANG Ziming1WANG Ping2QI Xuewen1

(1. Naval Aeronautical and Astronautical University, Yantai264001)

(2. Force Informatization Office, No. 91286 Troops of PLA, Qingdao266000)

AbstractThe sample analysis data sets are built through the analysis of specific commands’ behavior in command behavior experiment, and typical commanders are selected as reference sample, a command pattern classification is proposed model based on K-means clustering algorithms. The command model calculation is simple, easy for computer implementation, and is of great significance in understanding and mastering specific commanders characteristics, and application to practical operations and training.

Key Wordscommand mode, command behavior experiment, K-means clustering

Class NumberO141.4

1引言

指挥员是作战指挥中的决定性因素,是指挥行为的主体,在实际作战中,部队的各种作战行动实际上是指挥员指挥行为的外化与延伸[1],而指挥员作为有着独立意识的人,其一切行为(包括指挥行为)都是自身主观意识的反映[1],一般认为,指挥员的个体因素具有相对的独立性和稳定性,反映到实际的作战指挥活动中,则表现为通过多次观察,某一特定指挥员的指挥倾向应具有一致性,从而形成相对稳定的指挥模式。指挥模式将在该指挥员所参加的所有作战行动及各种形式的作战训练中得以执行,蕴含于大量的实验数据中。因此,通过运用数据挖掘和统计分析的技术方法,对指挥员在作战和训练过程中所产生的数据进行系统、深入地分析,可以总结归纳由指挥员个体因素所导致的指挥模式类型,从而深入了解特定指挥员的指挥特性。

2指挥行为实验假设

实际的作战行动以及非战时进行的各种形式的实兵或虚拟训练均可作为指挥行为实验,指挥员在这些活动中的表现经数据化后,即成为分析该指挥员指挥行为模式的数据样本。根据经典行为学理论的个体行为模式[2~3],在指挥行为实验中,受试指挥员的行为表现Y、实验控制项X及指挥员指挥模式O具有如下形式的函数关系[4~5]:

Y=f(X,O)

式中,映射f由作战指挥领域知识决定,表征指挥员在作战指挥活动中必然遵循的一般规律和规则等。设对某指挥员进行多次试验可获得样本数据集记为如下形式:

(1)

式中,集合{X1,…,Xj,…}为指挥行为试验的控制项目集,也可称为采样项目集;集合{Y1,…,Yi,…}为样本集,其中每一个Yi记录了受试指挥员参与一次完整试验的行为表现;对于一次分析的样本集,各样本取相同的采样项目集,但项目属性取不同值。

灌服驱虫药后48 h和144 h后，对上述20只山羊分别通过直肠采集粪便，标记后放置冷藏箱保存，送西北农林科技大学检测。

3指挥行为模式分类模型

以 Buske 等［6］、Onteru 等［7］研究的 15 个基因以及肖红卫等［5］研究的40个基因为研究对象，在线进行分析。

If

为了对受试指挥员的指挥模式进行分析和分类,首先需要构建参考类型,参考类型由那些指挥经验丰富、指挥能力和指挥模式已得到充分肯定的指挥员的实验数据构成[6~8]。设经过历史数据的统计分析,获得典型样本集:

良好的身体素质是运动的基础，是提高学生掌握运动技能的先决条件，本文在实验前对50米跑、中长跑以及立定跳远项目进行数据统计，发现实验前实验组和对照组数据结果（如表1）所示。身体素质p＞0.05，说明实验前实验组和对照组身体素质不存在显著性差异，保证了实验的可靠性。

S={Ri}, (i=1,2,…,M)

Ri={ri1,…,rij,…,riN}

SMN={rij}M×N

(2)

(3)

距离Dik以下式定义:

(4)

式中,算子|·|表征相应属性间的差异性,根据属性值的数据类型可按下式定义:

利丰雅高未来仍将坚持占领期刊的制高点，努力扩大图书、喷绘市场空间，以期成为一个集期刊、图书、文宣、喷绘于一体的、新的一站式印刷服务商。

(5)

将各典型样本归入距离最小的簇,并重新计算簇质心,则所有典型样本归类后可获得K个簇质心。以簇质心的距离定义簇间距,执行如下算法。

Repeate

将间距最小的两个簇归为一类并得到新的簇质心;

Until

(1)空气滤清器阻塞清洗空气滤清器芯子或清除指质滤芯上的灰尘，必要时应更换，以及检查机油平面是否正常。(2)排气管阻塞或接管过长，转弯半径太小、弯头过多清除排气管内积碳，重新排气接管，弯头不能多余三个，并有足够大的排气截面。

所有簇的间距均不超过预设阀值;

下面开始对受试指挥员进行分类,由于对某一指挥员其单次的指挥行为表现受到临时条件的影响具有一定的随机性,不够稳定[5],因此要想获得指挥员的稳定的指挥特点应该是在多次实战指挥或模拟指挥中的行为表现中综合体现的,因此我们在分类时仍然选取受试指挥员多次训练的数据样本,以多个样本的统计特性来估计该指挥员的指挥特点,以其统计特性与各参考样本的关系描述该指挥员的指挥类型。设受试指挥员训练样本集为

比喻要生动形象，才能触动心灵。《生命的“电量”》一课中，丁老师用图片“你的生命还剩多少‘电量’”来比喻：中国人口平均寿命，男性74岁，女性77岁。每个人生命“电量”的余量：“10后”剩 69年，“00后”剩 59年，“90 后”剩 49年，“80后”还有 39年，“70后”还有 29 年，“60后”还有 19年，“50后”还有9年。这个比喻借助图片表现，特别生动形象，让学生有一种紧迫感。而不同年龄段生命“电量”的展示，让孩子产生联想，有更多的思考。

}

(6)

其中K为类个数,对每个类可根据类中所含样本的归属指挥员的特点来赋予该类定义[9~10]。

3.2分类模型

以最后计算的簇质心为参考样本,则可得参考样本集:

(7)

其中L为训练样本数量。为了获得受试指挥员的统计特性,我们以S0为簇计算簇中心:

3.1基于K-均值聚类的参考类型获取

(8)

其中,M为样本集所含典型样本数量,N为选取的参考属性个数,则典型样本集可表示为

积极开展法律援助，让打不起官司的老百姓也能拿起法律武器捍卫自身权利。积极推进司法救助，充分体现司法机关的为民情怀。

Δd0>设定阈值;

Repeat

{

由于径向基RBF核函数具有良好的学习能力，能够逼近任何非线性函数，因此该研究选取RBF核函数进行分类研究。核函数参数δ和惩罚因子c的选取对于SVM的结果有重要影响，而参数的选择多以经验选取为主，其分类精度和速度都无法得到保证，因此，将通过使用粒子群算法对SVM的参数进行调整和优化，以寻求参数的最优解。PSO-SVM算法首先将系统初始化为一组随机解，然后通过迭代搜寻最优值。在该研究中SVM的核函数选用RBF核函数，通过使用粒子群算法的搜索能力，能够对支持向量机中的参数进行优化，从而得到参数的最优解。

从训练簇中去掉该点;

第一，目标客户。主要是针对一些对企业产品或者是服务有意向的客户群体，借助相应的技术就要对人口基础特征和价值观理念等进行集中收集，确保客户群判定和分析的合理性。并且，后续销售过程中要针对目标客户群体进行集中识别和监督管理，建立长效性合作关系，为全面提升管理工作的实际效率，也为中小零售企业电子商务商业运营模式的优势整合奠定基础。

钙镁滴定：取等量试液，加5mL NH3-NH4Cl缓冲溶液、4DEBT，同样用EDTA标液滴定至终点，记录消耗的EDTA体积V2。

Until

“设立子公司的好处主要体现在发行理财产品的优势，例如不设认购门槛、不强制面签，允许子公司发行的公募理财产品直接投资股票等，让理财子公司拥有了更大的投资权限和范围。”某股份制商业银行资管部门经理告诉《中国经济周刊》记者，“牌照审批通过后，无论是公募还是私募、线上还是线下，理财子公司都可以做。”

3.3模型说明

1) 以上所述各样本集具有相同的属性集;

2) 在聚类过程中,有可能来自同一指挥员的样本被聚为不同类,这是由于样本数据反映的是受试指挥员的主观行为,受多种因素影响,个别的行为表现与自己的一贯风格不一致是符合现实的;

3) 样本量应尽可能大,通过上述模型机制容易知道,K-均值算法本身具有自检验性,样本越多聚类准确性越强,若样本量不足,有可能出现运算无法收敛到预订要求的情况,即所有样本均完成迭代后,簇质心的值变仍然大于阈值。

4结语

指挥行为是行为范畴在军事指挥领域的具体表现,某一指挥员在经历特定的学习、训练和作战实践经验后,其指挥行为必然呈现模式化的特点。另外,人类的一切认识活动最终都可归结为一种分类活动[11],因此,对指挥员的指挥模式进行分类分析,是认识和把握该指挥员指挥特点、指挥素养的最直接方式。文中所提出的指挥行为模式分类方法能够脱离实验环境,在实际作战态势中泛化,因而对于把握指挥员指挥特点,评估指挥员指挥能力,以及作战态势预测等方面具有重要的参考价值,同时对指挥员的任用、提拔以及进行针对性培养等方面也具有重要的实践意义。

参 考 文 献

[1] 刘卫国.作战指挥行为学[M].北京:解放军出版社,2011:174-179.

LIU Weiguo. Behavior Science of Operation Commanding[M]. Beijing: People’s Liberation Army Press,2011:174-179.

[2] Katherine van Wormer. Human Behavior and the Social Environment[M]. Oxford Nuiversity Press,2007.

[3] 朱军芳.网络上集体行为的动力学研究[D].合肥:中国科学技术大学,2010:74-84.

ZHU Junfang. Dynamics Analysis of Public Behavior in Network[D]. Hefei: University of Science and Technology of China,2010:74-84.

[4] J. M. Watts. Animate: Computer-Simulated Animals in Behavioral Research[J]. Journal of Animal Science,1998,76(10):2596-2604.

[5] Katherine van Wormer. Human Behavior and the Social Environment[M]. Oxford Nuiversity Press,2007:111-121.

[6] C. Meeirina, G. M. Levchuk, S. Ruan, et al. Normative Framework and Computational Models for Simulating and Assessing Command and Control Process[J]. Simulation Modeling Practice and Theory,2006(14):454-479.

[7] 马祖礼译.行为学导论[M].天津:南开大学出版社,1990:23-30.

MA Zuli. Introduction of Behavior Science[M]. Tianjin: Nankai University Press,1990:23-30.

[8] Yandell B S. Practical data analysis for designed experiments[M]. Chapman & Hall,1997:166-168.

[9] Daniel H. Wagner, W. Charles Mylander, Tomas J. Sanders. Naval Operations Analysis[M]. The U.S. Naval Institute Press, Annapolis, Maryland,1999:203-204.

[10] C. G. Langton. Self-Reproduction in Cellular Automata[D]. Physical D,1984,10(2):135-144.

[11] Guo K, Xu C, Yan W C. Stochastic Mathematic Model of the Fighting Personnel and its Application in Effectiveness Evaluation for Small Arm System[C]//Communications and Information Technology, ISCIT 2005. IEEE International Symposium,2005:1333-336.

版 权 声 明

本刊已许可万方数据库、中国学术期刊(光盘版)电子杂志社在中国知网及其系列数据库等产品中以数字化方式复制、汇编、发行、信息网络传播本刊全文。著作权使用费与本刊稿酬一并支付。作者向本刊提交文章发表的行为即视为同意我编辑部上述声明。

《计算机与数字工程》编辑部

中图分类号O141.4

DOI:10.3969/j.issn.1672-9722.2016.02.006

作者简介:王子明,男,博士,讲师,研究方向:兵种战术学。

*收稿日期:2015年8月11日,修回日期:2015年9月23日