买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西北工业大学申请的专利融合贝叶斯网络和深度学习的飞机作战效能敏感性分析获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115688926B 。

龙图腾网通过国家知识产权局官网在2025-04-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211338825.5，技术领域涉及：G06N7/01；该发明授权融合贝叶斯网络和深度学习的飞机作战效能敏感性分析是由高晓光;韩浩;王昊;李新宇设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本融合贝叶斯网络和深度学习的飞机作战效能敏感性分析在说明书摘要公布了：本发明涉及一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，通过结合贝叶斯网络少量样本数据下的建模优势和深度学习出色的高维数据处理能力来构建飞机作战系统代理模型，为Sobol指数法进行敏感性分析创造完备的条件，提高飞机作战效能敏感性分析的精度。通过基于互信息层次聚类方法对用于飞机作战效能敏感性分析的高维数据进行初步处理，然后应用自编码器对初步处理后的数据进行特征提取，实现降维，接着通过贝叶斯网络建立模型，至此飞机作战系统代理模型通过深度学习和贝叶斯网络模型的融合成功建立，通过代理模型实现对飞机作战效能的高精度敏感性分析。有效地解决了飞机作战效能敏感性分析问题中样本量较少的代理模型难以建立的问题。

本发明授权融合贝叶斯网络和深度学习的飞机作战效能敏感性分析在权利要求书中公布了：1.一种融合贝叶斯网络和深度学习的飞机作战效能敏感性分析，其特征在于步骤如下：飞机作战系统代理模型的建立步骤1、基于互信息层次聚类算法的数据聚类：待分析的飞机作战仿真数据为m维，先对除导弹命中概率以外的m-1维数据进行基于互信息层次聚类算法的数据聚类，得到m-1维的数据x＝x1,x2,···,xm-1聚成k个数据簇所述k为聚类数目；步骤2、基于深度自编码器的特征提取：采用深度学习中自编码器模型对每一簇数据进行特征提取，数据维度从m-1维降为k维，整体数据维度从m维降到了k+1维；步骤3：采用贝叶斯网络，对经过聚类以及特征提取过后，数据维度已经从m维降到了k+1维的数据，建立贝叶斯网络模型，得到整个代理模型即飞机对地作战系统代理模型Y＝fx1,x2,x3,...,x32；式中，Y为飞机的导弹命中概率，x1,x2,x3,...,x32为指标体系中影响飞机导弹命中概率的各项因素；飞机作战效能敏感性分析步骤4：计算Sobol指数法的相关参数采用随机采样的方法从输入空间中采样得到两个输入矩阵A和B，两个矩阵中的每一行都是所研究模型的一组输入组合，每个组合通过代理模型计算得到相应的输出： 然后构造矩阵ABi，构造方法是用矩阵B的第i列替换矩阵A的第i列，同理可以用矩阵A的第i列替换矩阵B的第i列，得到矩阵AiB： 将矩阵代入代理模型，得到输出向量，分别记为yA，yB，和根据蒙特卡洛算法得到以下结果： 步骤5：计算全局敏感性系数输入变量Xi的主效应指数及全效应指数的估计为： 式中基于主效应指数及全效应指数的全局敏感性系数，计算各个指标的数值，对飞机作战效能进行分析评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。