基于大數據的裝備體系三元概念認知系統模型構造框架

王壽彪,李新明,劉　東,裴忠民

(裝備學院復雜電子系統仿真重點實驗室,北京 101416)

?

基于大數據的裝備體系三元概念認知系統模型構造框架

王壽彪,李新明,劉東,裴忠民

(裝備學院復雜電子系統仿真重點實驗室,北京 101416)

多樣化的裝備體系定義模式存在概念語義內涵交織、外延對象重疊難以離析,體系系統邊界動態模糊等不確定性制約裝備體系綜合認知,大數據建模與分析決策為裝備體系模型表達與知識發現提供了機遇。提出廣義復雜信息系統觀點下采取形式三元概念分析理論描述和表示裝備體系中概念及概念之間層次網絡結構的裝備體系認知系統模型構造框架。首先分析了能力視角下裝備體系語義超網絡模型的大數據描述架構及其層次建模過程,設計了一種體系分層共演化時空數據應用模型結構。概述了概念認知系統研究進展,提出一種基于語義上下文的形式三元概念構造策略,討論了上下文覆蓋數據結構與三元概念構造的聯系。為應用語義大數據開展裝備體系認知計算提供了有益啟發。

裝備體系; 廣義復雜信息系統; 大數據; 語義超網絡; 認知系統; 三元概念

0　引　言

大數據在互聯網、社會網絡、交通運輸網、生物信息網絡、工業制造等網絡化復雜巨系統領域取得階段性進展,利用大數據描述、表示、建模分析與決策支持方法研究體系正在形成熱難點[1-3]。裝備體系通常理解為更高層次復雜裝備系統,以作戰平臺為基本載體的作戰單元依托綜合電子信息系統綜合集成多類型裝備構造出物理域的系統鏈接結構,根據使命任務和共享態勢信息構造出信息域動態功能交互信息關系結構,為實施聯合作戰奠定網絡信息環境技術基礎。建模和仿真是重要的裝備體系研究手段,在體系作戰過程仿真和體系效能評估領域產生良好效果。但是裝備體系涌現機理、可靠性機理和動態不確定性建模仍然是體系工程的核心難題,應用大數據理念基于認知智能計算的大數據分析決策方法研究體系具有較好契合性和發展前景,迫切需要理論突破。

大數據概念引入裝備體系計算過程建模難以完全脫離模型仿真第三范式,主要表現為體系描述大數據的理解差異上。文獻[2]認為利用仿真實驗或作戰試驗生成的大數據來實例化體系模型進而研究體系性質,存在兩種大數據觀點定位,一是基于實際戰爭、演習或試驗記錄獲取相關數據，二是基于Agent實體節點網絡模型仿真實驗平臺獲取相關體系實驗大數據。事實上,能夠被利用的體系作戰大數據正是基于體系仿真試驗床獲取的,而戰爭或演習中產生的數據受限于數據采集局限性存在較大難度,難以有效應用大數據分析方法。受限于體系仿真模型的有效性根本性問題,體系仿真模型表達與大數據分析模型很難契合,存在成本高,推演時間長,模型難以復用等缺點。同時,體系的需求性突出,體系研究服務于未來戰爭,因而在裝備體系基礎大數據上直接建立數據中心化的裝備體系描述模型,采取智能信息處理與推理手段來認知計算體系成為一種可行方案構思,這種探索能否取得進展有賴于發展對裝備體系的大系統概念的新認識,以更好適應大數據概念和大數據分析技術特性,在大數據建模與智能數據分析的結合層次上有可能形成新思路。

從體系原理上講,綜合電子信息系統、C4ISR系統、武器裝備體系、電子信息裝備體系以及諸如防空反導作戰體系等體系概念模式堅持裝備實體對象為認知主線,各種裝備體系的概念語義內涵和對象外延相互交織融合,“你中有我,我中有你”,相互之間考慮問題的角度容易顧此失彼,很難解釋“信息主導”特性,難以適應聯合作戰一體化、網絡化裝備體系發展趨勢的研究需求,迫切需要在復雜系統理論上尋找更合理解釋,C4ISRK系統的概念語義也體現出體系系統認識論的概念發展傾向,有必要在概念層面上注重體系中系統組成部分的內涵特征和外延對象的融合和整體性建模。

把握裝備體系的整體性,其一應該注重體系要素虛實和開放特性來理解“網絡中心”,其二有必要將“信息”而非“裝備”實體作為觀察裝備體系的核心線索,其三需要采取與體系觀察者可理解的意義相適應的體系整體模式建立語義模型表達,建立體系-人因模型建模機制。沿著信息主線,武器裝備、電子信息裝備、武器或信息作戰平臺、信息系統裝備等都可以統一映射到以信息采集、傳輸、處理、存儲、控制和管理等功能為基本系統活動特征的信息系統范疇,可以理解為一種廣義復雜信息系統,這些廣義信息系統之間錯綜復雜的關聯結構和作用規則使得裝備體系可以理解為廣義信息系統組成的超廣義復雜信息系統[3]。

依此觀點,C4ISR系統范疇的信息系統對象與武器裝備體系中的裝備系統對象統一到超廣義復雜信息系統的廣義信息系統對象范疇,利用裝備體系描述大數據提供的海量信息和蘊含的復雜性知識來描述這種超廣義復雜信息系統,探索廣義信息系統觀點下裝備體系可認知計算框架和形式概念知識構造性模型。裝備體系原型系統上升到超廣義復雜信息系統的觀點內涵如圖1所示。面向對象建模、體系結構建模和本體建模等方法的不斷優化,以數據為形式背景的形式概念分析(formal concept analysis,FCA)理論成為一種有效的信息系統描述和建模方法備受關注[4]。FCA主要應用在軟件工程、數據挖掘、信息檢索、知識發現以及網絡安全訪問控制和態勢感知等領域[5-11],將體系建模為以形式概念為基本模型單元的概念網絡系統模型還未見類似研究。

近年來,FCA與認知計算相結合信息粒的形式概念認知理論、形式概念學習與推理等問題引起重視[5-7],概念粒計算系統主要以抽象數學模型理論研究為主,缺乏結合具體應用背景的實踐應用。裝備(包含信息系統)戰技性能指標數據、裝備編配數據、作戰力量編成數據、C4ISR系統體系結構數據、典型裝備體系結構數據、能力和效能指標體系數據等構成的裝備體系基礎大數據蘊含著關于體系的系統組成成分、體系層次實體結構和網絡鏈接結構等海量異構的復雜語義信息。立足體系描述基礎性大數據,以“數據”為中心構造廣義復雜信息系統觀點下裝備體系的形式概念認知系統模型,進而利用概念邏輯、聯想、記憶和推理思維等學習機制實現體系數據中的知識發現與知識運用,有可能形成一種體系動態演化研究的人工智能模型。

圖1　裝備體系的超廣義復雜信息系統概念原理Fig.1　The concept principle of generalized complex information for equipment system of systems

針對FCA模型語義表達局限性,利用三元形式概念分析理論(triadic concept analysis,TCA)[8-9]引入對象屬性的條件語義,探索基于體系描述大數據的裝備體系形式三元概念認知系統模型構造方法,為“以人為中心”的裝備體系動態演化建模的更高層次體系演化時空數據應用模型奠定基礎。該理論框架中,“組成單元、處理邏輯和公理演算”是信息系統建模應遵循的基本問題[4]?；谌拍罘治龅难b備體系模型研究結構如圖2所示。體系描述大數據主要提供組成單元語義原材料,“處理邏輯和公理演算”依次建立在體系描述大數據表示模型上。描述裝備體系的大數據對象類型多樣,數據表示語法、語義異構,數據目標之間關聯結構動態復雜等特征制約基于體系描述大數據的裝備體系形式概念知識系統建模,該層次數據模型主要支持超廣義復雜信息系統描述的信息組織、表示與概念形式化;其次,基于體系大數據模型的裝備體系描述方法設計支持超廣義復雜信息系統處理邏輯的形式概念系統化描述與形式化;設計描述支持公理演算的形式邏輯模型和形式概念學習機制、方法及模型形式化以支撐體系演化分析應用。

圖2　基于TCA的裝備體系演化分析應用模型理論框架Fig.2　Evolution analysis application model theory framework based on TCA of equipment system of systems

1　基于超網絡的裝備體系語義大數據描述模型

1.1裝備體系描述大數據的語義異構信息網絡集成機制

數據中心化描述裝備體系(結構)的整體要素,以裝備體系描述大數據為信息源,武器裝備及其基于信息系統綜合集成的復雜裝備系統抽象為超廣義復雜信息系統的廣義信息系統對象,在信息系統概念語義層次上提供了一致性裝備體系概念外延解釋。復雜性導致裝備體系描述大數據語義異構,而且描述體系使命任務、系統功能、系統性能、作戰活動、體系作戰能力、體系作戰效能等要素對象的數據通常采取本體論按照DoDAF規范生成本體描述型數據,描述時間概念和地理空間概念的數據與裝備體系描述數據存在顯著語法和語義差異。統一異構特性,是體系大數據建模關鍵問題之一,首先需要科學組織和表示海量異構信息。FCA基于概念格結構表示知識,形式背景為規范二維表,并不能滿足體系描述需求。因此,構造體系的形式概念系統模型首先需要在大數據組織描述層面進行信息集成。引入數據層面的異構信息網絡概念[12-13],將裝備體系描述大數據建模為多維信息網絡,每一維信息網絡分別抽象表達體系單一維度上數據信息,多維信息網絡根據要素之間存在的客觀關系實現關聯映射,集成為信息超網絡。

1.2基于能力的裝備體系語義超網絡大數據建模過程分析

體系作戰能力是優選體系演化方案的重要評價指標,是分析裝備體系演化軌跡的聚焦點[14]。體系作戰能力是指在指定性能標準和作戰條件下,通過多種手段和方法組合,完成系列活動,達到預期效果的本領。體系作戰能力一般被理解為一種靜態潛在的體系建設目標屬性,對其評估是體系發展水平的重要依據。作戰視角下對抗性裝備體系動態演化建模,體系系統要素層次以及整體性涌現出的能力被轉化為一種重要信息資源對象,有必要考慮體系能力結構的優化和及其向效能轉化的效率,因此,構建對抗性裝備體系動態演化模型需要準確定位和描述體系中關于裝備、性能、功能、組織、活動、任務、行為交互、體系作戰能力、體系作戰效能等多元認知實體對象之間存在的物理鏈接和邏輯關系結構等映射。

基于上述考慮,能力和效能劃入大數據的目標對象范疇,其數據蘊含的知識語義并不是給出具體能力或效能值,而是定義能力和效能與裝備體系結構描述數據在語義上的關聯鏈接關系。采取一種能力視角下裝備體系分層共演化超網絡描述機制,如圖3所示。其中,物理鏈接網絡描述系統之間的物理通信網絡,功能邏輯網絡描述系統之間的功能互補作用依賴性關系網絡,行為交互網絡描述對抗情境中,系統之間的動態交互信息關系網絡,任務-活動-組織網絡描述任務與活動以及作戰組織之間形式的關系網絡,以任務活動為紐帶建立體系結構與能力-效能關聯性關系網絡的銜接。

采用超網絡理論構建體系的“數據網”模型主要存在兩種觀點:

觀點 1延伸復雜網絡模型仿真方法,給出對象體系拓撲結構,采取規則、擇優連接機制等機械化色彩濃厚的點邊連接生長模型,然后通過仿真平臺采集模型運行結果數據,統計網絡指標[2,14]。裝備實體層次化建模多采用Agent理論描述裝備實體結點,體系屬性特征復雜性和語義豐富度表達不夠充分,難以準確定義統計性能指標的物理意義及建立統計指標與體系能力效能目標之間的語義知識聯系。文獻[2]等人給出體系的異質超網絡概念模型,其中網絡節點對應的邏輯實體仍然是單一裝備實體單元,采取體系仿真試驗床獲取數據實例化該模型,即利用該概念模型指導體系仿真實驗數據的采集,并基于數據中心化模型測量分析網絡的性能參數,這種研究手段體現出超網絡組織體系大數據的思想,但客觀上難以保證仿真實驗模型與概念模型一致性,因而需要謹慎對待得出的體系性質。文獻[14]利用靜態隸屬連接和動態交互連接的辯證關系提出一種動態連接算法,支持體系網絡連接形成的優化控制,方法本質上仍然屬于一般復雜網絡模型。

圖3　能力視角下裝備體系分層共演化的語義超網絡原理Fig.3　Semantic super-network principle of equipment system of systems evolution from the perspective of capability

復雜網絡方法論下體系模型仿真實驗,一方面需要考慮諸多因子來設計節點形成的連接機制,另一方面需要進一步尋求準確定義體系目標評價指標與網絡統計特性參數的聯系的機制,這兩者都需要有效地融合人類智能智慧因素,是大多數體系仿真模型匱乏之處。

觀點 2第二種思路是人工智能框架下,借助本體、粒計算等方法論構建裝備體系結構模型,通過描述邏輯等規則推理或不確定性信息智能處理技術實現模型分析[15-18]。這種研究思路很大程度上能夠有效彌補觀點1中方法存在的不足、但是缺乏對體系的分布式網絡化動態特性的刻畫與推理能力,是體系建模的重要思想方法。一方面,當前本體論方法主要停留在如何基于DoDAF有效建立本體模型并進行一致性判定水平的本體推理[17-18]。這些研究中本體模型的合理性和完備性受主觀經驗影響較大,與之相應的利用FCA和粒計算結合在以數據為背景的本體構建領域已經開展了大量研究,如何探索從數據中抽取本體的自底向上建模在體系領域還未引起關注。另一方面,數據化智能計算的復雜系統研究理念已經被一些學者醞釀并開展初步研究,只是尚未形成具體有效的基于大數據建模、分析、計算的復雜系統認知方法論[15,19]。文獻[15]基于防空體系結構的信息粒度表示,利用粒度計算策略構造動態作戰聯盟生成機制,實例說明了利用粒合并分解機制刻畫體系動態過程的可行性和有效性。文獻[19]提出一種面向軍事任務推演的時空數據應用模型,對于探索體系描述大數據的粒計算模型與體系演化問題建模具有啟發意義。

綜合上述分析,本文考慮體系結構建模與大數據建模和分析相結合,提出一種能夠有效支持數據驅動的體系動態演化智能計算研究的形式概念認知系統模型。該建模過程包括3個層次:① 裝備體系結構描述層次上,設計能力視角下裝備體系分層共演化超網絡描述模型;② 大數據建模層次上,利用擴展超圖表示體系描述大數據,作為定義演化超網絡的基礎數據結構;③ 大數據分析層次上,利用三元形式概念分析構造裝備體系的概念認知系統模型,進一步支持概念粒計算和裝備體系動態演化問題的建模與推理。

1.3體系動態演化時空數據應用模型結構

為了實現數據采集與組織,構造出數據中心化的裝備體系演化超網絡模型框架,設計一種三層數據模型結構,第1層是基于DoDAF體系結構數據描述元模型DM2的能力元概念數據建立體系動態演化時空應用數據語義元模型,從頂層上規范和約束體系演化要素的語義成分;第2層為超廣義復雜信息系統的資源語義數據元超圖模型,從信息組織角度規范數據結構;第3層是裝備體系分層共演化語義超網絡集成數據模型,從網絡關聯角度規范體系大數據中要素邏輯。后2層數據模型是本文討論的重點。概念系統中的知識主體或概念單元稱為概念元。

定義1(形式概念元)哲學上的概念包括內涵和外延兩部分,本文將概念元形式化為六元組:CM=(O,M,W,I,T,C),其中,O表示概念元規定的外延對象,M表示對象所屬內涵特征項,W表示特征值,I表示對象-特征二元關系,T表示對象或特征之間的關聯結構,C表示特征狀態發生變化的條件因素集合。

從體系描述大數據中獲取概念元的形式描述有賴于領域共享的高層次元概念規范,基于此,給出裝備體系演化時空數據應用模型的結構元模型。

定義2體系演化時空數據應用模型層次結構元模型描述為

其中,MetaConcepts表示能力相關的元概念,MetaAssociations表示元概念之間的元關系,MetaRules表示構造元關系之間的約束規則,這三個基元共同組成體系結構描述的元概念層次數據元模型;ObjectsMeta表示對象元即具有相同特征的對象集,AttributesMeta表示特征元即對象元的共同具有的特征,StructureMeta表示結構元即對象元或屬性元內部關聯和對象-屬性之間關聯關系,ConditionMeta表示對象特征狀態產生變化的條件元,這四個基元共同組成裝備體系概念元層次的數據元模型;ConceptsMeta表示裝備體系概念元,GeoMeta表示地理環境空間概念元,TimeMeta表示時間概念元,可以通過參考體系概念元基本形式對其拓展定義。

定義1給出時空數據應用模型中概念元的基本語義規范和結構形式,利用定義2中時空數據應用元模型規范引導數據信息采集和體系演化模型數據的語義表示。下面從超網絡觀點給出裝備體系描述大數據的整體性形式化定義3。

定義3(語義超網絡)超廣義復雜信息系統觀點下,基于超網絡定義裝備體系大數據描述模型為Γ=(G:=,λ),其中,G表示數據層面的信息網絡,U表示由狹義上系統對象(系統實體)及其屬性、功能、性能、組織、任務、活動、行為、能力和效能指標等狹義對象特征模式組成的廣義信息資源對象論域,M表示廣義對象的特征模式集,W表示特征值域,E表示單一模式廣義對象結點之間的二元關系邊集,H表示單一模式廣義對象結點組成的超邊或超關系集,λ表示不同模式之間存在的關聯映射函數,該映射函數可以根據元規則建立。

利用定義3能夠較好描述和表示體系復雜性,進一步應用該數據模型結構有賴于更高層次的數據分析方法,引入三元形式概念分析理論說明基于上述體系大數據模型建立裝備體系高層次形式概念認知系統模型,為進一步基于形式概念理論設計體系問題模型與計算求解算法提供構造性建模框架。

2　語義超網絡大數據的三元概念認知系統模型構造框架

裝備體系語義超網絡大數據描述模型較好地反映出廣義復雜信息系統微觀實體對象、屬性及對象或屬性之間和對象-屬性之間關聯信息的全要素整體結構。使用云計算平臺分布式地存儲、管理和分析大數據,不僅沒能夠完全解決大數據問題,也很難解決體系工程的系統工程實踐問題,粒計算在大數據處理方面顯示出理論優勢和技術可行性引起重視,文獻[20]綜述了大數據處理研究現狀和應用粒計算深層次應對大數據現象的模式和技術方案可行性。應用大數據建模與分析手段構造裝備體系模型和認知可計算理論有賴于綜合利用粒計算基本理論框架和形式概念分析手段將低層次大數據描述和表示模型提升為更高層次的形式概念認知計算系統模型。下面簡要介紹形式概念認知計算系統研究進展,設計語義超網絡大數據模型的三元概念認知系統構造框架。

2.1形式概念認知系統相關研究概述

在數據基礎上,利用形式概念分析及其與粗糙集等軟計算結合的概念認知計算系統理論形成許多富有價值的模型構造方法,但多數圍繞抽象數學模型展開討論,缺乏大量具體應用實踐的研究工作[5-9,21-24]。文獻[5]提出概念粒計算系統代數結構數學模型,基于完備偏序格構造概念格,僅是單一概念格研究。文獻[6]研究了一種FCA框架內基于信息粒轉化的認知系統模型構造方法。文獻[7]基于認知視角研究了基于粒計算的形式概念學習問題,對于自適應按需獲取概念或概念約簡具有重要意義。文獻[8]綜述了國外TCA研究進展,指出國內研究的欠缺和潛在發展方向,TCA作為FCA的延伸,對于更全面分析大數據中蘊含的復雜語義知識具有重要作用,對于強調體系結構整體性約束作用的裝備體系建模計算具有啟發作用。文獻[9]提出形式三元概念分析認知系統模型及其與信息粒的轉化方法,該模型通過拓展形式背景維度提高了知識語義表達裕度,對于多源數據融合和復雜信息系統的形式化建模分析具有較大的啟發意義?！皸l件”是相對廣義的語義范疇,可以是:證據、評價、形態、目的、意義、結構、環境約束等語義要素,對于有效表達體系結構中復雜多樣的結構、規則,氣象等條件因素模式提供了基礎。文獻[21]構建了概念元空間結構與范疇理論框架,利用Galois連接構造概念格之間的映射,奠定了刻畫概念之間語義傳播和知識擴散機理的基礎框架結構,對于動態知識系統模型表達和語義流動傳播提供了較好的指導框架,但是該模型僅討論了經典粗糙集下建立二元形式概念系統,對于覆蓋廣義粗糙集等拓展數據結構背景下綜合考慮對象和屬性拓撲結構信息來構造概念元空間需要探索。文獻[22]討論了3種類型的概念粒計算系統及形式概念的粗糙近似算子。為了優化形式概念計算,需要對形式背景數據預處理以適應大數據集應用需求和特定情景過描述問題,文獻[23]研究了基于屬性拓撲圖表示形式背景,以屬性為頂點,屬性之間包含、相容和互斥等關系為基礎,利用“屬性對”映射出對象集來刻畫屬性之間的耦合強度,從而采取加權圖數據結構提出基于屬性拓撲圖的可視化形式概念計算算法。這種屬性拓撲的本質是依據對象概念來描述屬性間的關系,如何增加對屬性或對象間拓撲結構信息源的考慮,更加確切表達屬性間依賴性等值得繼續思考。但是這種處理方法偏重于探索屬性,適用于特定需求的信息系統數據分析與知識發掘,而對于重視對象之間相互功能聯系和動態相互作用描述的裝備體系建模,形式背景描述和優化方法方面還需要繼續研究。

FCA將概念表示為互相約束定義的對象集和屬性集,并沒完全表達出因果律,也很難有效表示大數據蘊含的豐富關聯性信息,屬性特征刻畫對象的狀態或效果是在具備或發生一定條件才出現,體現出對象屬性及屬性值動態變化的條件性因果規律。在第1章基礎上,本章重點研究裝備體系描述語義超網絡大數據模型的形式三元概念分析相關知識和模型構造過程。

2.2形式三元概念分析基礎

下面參考文獻[9,21]描述TCA基礎概念原理。

定義4(形式背景)三元概念生成的形式背景數據結構形式化定義為K=(G,M,T,Y),其中,G表示論域對象集,M表示對象的數學特征集,T表示對象的條件集,Y?G×M×T表示三元關系集,若(g,m,t)∈Y,表示對象g在條件t下具有屬性m。

以三元形式背景數據結構為分析基礎,基于形式背景變換算子ω(i)和ω(i,j,Xk),誘導產生三元概念。其基本原理是先分別固定其中一個維度,誘導建立3個二元形式背景,然后獲取另外二維下的二元概念,最終建立三元概念。

(1)

(2)

圖4　三元概念射原理Fig.4　The principle of triadic concepts mappings

2.3基于不確定性描述的形式三元概念構造策略

為了反映裝備體系演化過程中不確定性規律,按照裝備體系整體性要素分層共演化形式,首先給出裝備體系中形式三元概念的定義及其層次遞進構造過程,在此基礎上研究一種基于語義的上下文覆蓋數據結構以刻畫體系要素之間相互關聯的不確定性,在此不確定性描述基礎上獲取三元概念,形成三元概念認知系統模型,為后續結合體系的具體實際問題建模與計算求解奠定模型系統基礎理論。

在上述體系描述大數據的語義超網絡表示模型基礎上,形式三元概念層次遞進的定義過程序列如下:

(1)基于裝備描述數據在廣義信息系統資源層定義系統裝備節點實體的形式概念為：組件裝備對象、戰技性能屬性特征、屬性參數值、性能指標約束條件;裝備組件為不在對武器裝備進一步分解的能夠獨立執行具體功能的基本裝備單元,例如,元組(某型戰術數據鏈裝備,通信距離,最大可達800 m,該系統與某型偵察直升機滿足交互關系約束)能夠表示語義:當該機載戰術數據鏈系統與型號偵察直升機滿足搭載結構關系和物理通信連接結構關系的約束條件下,機載平臺上的戰術數據鏈系統裝備最大通信距離可達800 m;

(2)基于(1)中定義的系統裝備節點實體在物理鏈接結構層定義復雜裝備系統的形式概念為：系統裝備節點對象、通信鏈路屬性、屬性值、實體裝備之間的通信鏈路結構。例如,多傳感器系統作為一個復雜裝備系統概念,其外延對象可以形式化為遠程短波熱成像照相機、大功率傳感器、GPS系統、激光測距儀等系統裝備對象集合,這些對象通過物理通信網絡實現綜合集成,采取通信鏈路屬性及其屬性值描述其特征;

(3)基于復雜裝備系統在功能關系結構層定義作戰單元的形式概念為：復雜裝備系統對象、系統功能屬性、屬性值、性能依賴關聯結構;例如UGS網絡是一個作戰功能系統對象,其屬性取系統探測距離和目標類型兩個功能特征,屬性取值分別為100 m/300 m和獨立個體(單兵)/車輛,該系統獲取相應功能屬性的結構約束條件為聲學地震檢測設備、光電設備和EL/M-2107雷達性能指標之間形成關聯約束結構;

(4)基于作戰單元系統在使命任務層定義作戰活動的形式概念為：作戰單元對象、戰場目標屬性、屬性值、作戰單元協同性關系結構;

(5)基于作戰活動系統在使命任務層定義作戰組織的形式概念為：作戰活動對象、動作行為屬性、屬性值、作戰活動依賴性關系結構;

(6)基于作戰組織系統在使命任務層定義作戰任務的形式概念為：作戰組織對象、作戰力量編配屬性、屬性值、組織指控關系結構;

(7)基于作戰任務系統在能力效能層定義作戰能力的形式概念為：作戰任務對象、任務能力需求屬性、屬性值、任務依賴性關系結構;

(8)基于作戰能力系統在能力效能層定義作戰效能的形式概念為：作戰能力對象、效能屬性、屬性值、能力依賴性關系結構。

在概念語義的層次遞進定義過程中,組件裝備節點、系統裝備節點、復雜裝備系統、作戰功能系統、作戰單元系統、作戰活動系統、作戰組織系統、作戰任務系統和作戰能力系統、作戰效能系統等廣義信息資源系統的概念語義對象逐層依據最底層裝備要素組件及其戰技性能等屬性定義形式概念,依據定義3中超網絡數據描述模型通過三元形式概念分析手段提取體系描述大數據中的概念及其層次化概念網絡結構。例如,作戰任務需要相應的體系能力為前提支撐,反映出(7)中作戰任務的體系作戰能力需求屬性,裝備作戰能力的聚合與轉化依賴于任務有效執行作為前提條件,即任務之間的依賴性關系結構條件,據此就能建立任務視角下的體系能力形式概念(7),而(8)則表達效能的涌現依賴于能力的協同實現來涌現。

根據粒計算的粒化理論,覆蓋數據結構及覆蓋粒計算模型具有較好的知識不確定性描述能力,是一種相對劃分數據結構的廣義數據表示形態。借鑒文獻[25]多域覆蓋粗糙集理論,下面給出基于覆蓋不確定性信息描述的形式概念構造思想。

體系具有冗余性,假設U1,U2,U3分別表示任務信息網絡、能力信息網絡和效能信息網絡對應的因素空間論域,任務信息網絡中以作戰組織為對象外延來定義任務三元概念,能力指標信息網絡中以作戰任務為對象外延來定義能力三元概念,效能指標信息網絡中以作戰能力為對象外延來定義效能三元概念。各層次三元概念的形式背景通過各維信息網絡中數據對象之間的客觀關系建立映射,將體系抽象描述轉化為語義上下文覆蓋數據模型,各節點之間的語義層次關系和不確定性關系信息蘊含在覆蓋數據結構中。例如,在決策節點t1時刻,總共6個作戰任務,作戰組織向作戰任務做映射形成覆蓋{{T1,T2,T3},{T1,T4},{T4,T5},{T3,T5,T6}},每一個覆蓋塊(語義超邊)表達相應作戰組織承擔的作戰任務。而作戰任務向作戰能力做映射則產生能力關于任務的覆蓋,能力覆蓋塊向上對應一個特定任務以表達任務對能力的需求性,對下對應一個效能指標以表達能力對效能的充分條件性;作戰能力指標向作戰效能指標做映射則產生效能關于能力的覆蓋,效能覆蓋塊向上對應一個能力,表達能力向下對效能的貢獻和價值。顯然,利用上下文覆蓋近似空間概念能夠有效表達體系中全要素之間關聯性語義的不確定性知識,基于廣義覆蓋粗糙集的上下近似外延理論能夠描述形式概念的近似計算問題,從而形成一種基于不確定性的概念構造思路,在上下文覆蓋近似空間基礎上如何利用粗糙集定義形式三元概念,可以參考文獻[26-27]中基于覆蓋研究形式概念格的技術進展,根據實際體系演化建模需求深入探討。

按照上述框架構造出的三元概念認知系統,為裝備體系動態演化的過程建模及體系演化測度指標及指標評價和后續形成的作戰體系結構優化決策問題模型及其求解需要綜合多粒度概念格、模糊概念格,基于形式概念知識語義傳播和知識演化,自學習、概念聯想推理等人類高層次認知智能多方面的理論深入展開研究,是后續體系問題建模應用的重要技術內容。

3　結　論

大數據涵蓋的數據科學思維及大數據處理和分析方法被認為第四研究范式成為各領域變革的機遇。將大數據引入裝備體系是當前復雜系統理論與實踐十分有益的研究課題。本文提出一種裝備體系的廣義復雜信息系統觀點,采取概念融合思想基于形式概念認知智能計算思維考慮裝備體系模型構造性建模。重點討論了利用語義超網絡概念模型組織和表示描述裝備體系的大數據,在此基礎上利用三元概念分析理論和概念粒計算系統的研究思路構造裝備體系三元概念認知系統模型。該方法是以人為中心的全面觀察思考裝備體系中數據特性和大數據概念應用的理論建構,是一種基于感知機理的以數據為中心構造體系模型的探索,為人工智能框架下深入討論體系問題提供模型基礎。

[1] Barnabas K,Mo J.System of systems and big data analytics—bridging the gap[J].Computers and Electrical Engineering,2013,40(1):2-15.

[2] Wang F,Si G Y,Rong M,et al.Research on network-of-networks model of armament system-of-systems[J].Systems Engineering and Electronics,2015,37(9):2052-2062.(王飛,司光亞,榮明,等.武器裝備體系的異質超網絡模型[J].系統工程與電子技術,2015,37(9):2052-2060.)

[3] Wang S B,Li X M,Liu D,et al.Generalized complex information system viewpoint with the research structure on equipment system of systems oriented artificial intelligence[J].Journal of China Academy of Electronics and Information Technology,2015,10(5):12-16.(王壽彪,李新明,劉東,等.面向人工智能的裝備體系廣義復雜信息系統觀點與研究結構[J].中國電子科學研究院學報,2015,10(5):12-16.)

[4] Xu B X,Zhang Y Z.Progress of the modeling theory of information systems[J].Intelligence Journal,2010,29(5):70-75.(徐寶祥,張云中.信息系統建模理論發展研究[J].情報雜志,2010,29(5):70-75.)

[5] Chou G F,Ma J M,Yang H Z,et al.Mathematical model of the system of concepts granular computing[J].Scientia Sinican Informationis,2009,39(12):1239-1247.(仇國芳,馬建敏,楊宏志,等.概念粒計算系統的數學模型[J].中國科學-F輯:信息科學,2009,39(12):1239-1247.)

[6] Xu W H,Pang J Z,Luo S Q.A novel cognitive system model and approach to transformation of information granules[J].International Journal of Approximate Reasoning,2014,55(3):853-866.

[7] Li J H,Mei C L,Xu W H,et al.Concept learning via granular computing:a cognitive viewpoint[J].Information Sciences,2015,2015(1):1-21.

[8] Wei L,Wan Q,Qian T,et al.Triadic concept analysis research progress[J].Northwest University Academy (Natural Science Edition),2014,44(5):659-670.(魏玲,萬青,錢婷,等.三元概念分析概述[J].西北大學學報(自然科學版),2014,44(5):659-670.)

[9] Tang Y Q,Fan M,Li J H.An information fusion technology for triadic decision contexts[J].International Journal of Machine Learning & Cybernetics,2015,6(6):1-12.

[10] Vincenzo L,Giuseppe D A,Angelo G,et al.Enforcing situation awareness with granular computing:a systematic overview and new perspectives[J].Granular Computing,2016,1(1):1-17.

[11] Mouliswaran S C,Kumar C A,Chandrasekar C.Modeling Chinese wall access control using formal concept analysis[C]//Proc.of the International Conference on Contemporary Computing and Informatics,2014:811-866.

[12] Han J W,Sun Y Z,Yu S P,et al.Mining knowledge from Databases:an information network analysis approach[C]//Proc.of the ACM SIGMOD International Conference on Management of Data,2010:1251-1252.

[13] Li Y T,Li C,Wu S J,et al.INVF:a visualization framework and algorithm for information networks[J].Computer Science & Explore,2013,7(12):1105-1109.(李洋濤,李川,吳詩極,等.INVF:面向信息網絡的可視化框架與算法[J].計算機科學與探索,2013,7(12):1105-1109.

[14] Zhang Q,Li J,Shen D,et al.Research on network modeling and optimization of operation system of systems based on complex network[J].Systems Engineering and Electronics,2015,37(5):1066-1072.(張強,李建華,沈迪,等.基于復雜網絡的作戰體系網絡建模與優化研究[J].系統工程與電子技術,2015,37(5):1066-1071.)

[15] Zou Z G,Liu F X,Sun S M,et al.Ripple-effect analysis for operational architecture of air defense systems with super-network modeling[J].Journal of Systems Engineering and Electronics,2014,25(2):249-264.

[16] Xia L.A preference method of operational architecture evolutionary programs[J].Engineering Mathematics Journal,2014,31(1):23-30.(夏璐.一種作戰體系結構演化方案優選方法[J].工程數學學報,2014,31(1):23-30.)

[17] Hu B,Wang Z X,Dong Q C.Contexts awareness modeling and reasoning method based on OWL[J].Systems Engineering and Electronics,2012,34(10):2163-2168.(胡博,王智學,董慶超.基于OWL的上下文感知建模與推理方法[J].系統工程與電子技術,2012,34(10):2163-2168.)

[18] Yu M G,Wang Z X,Zhang T T,et al.C4ISR communication domain context ontology modeling based on capability analysis[J].Systems Engineering—Theory & Practice,2015,35(8):2158-2163.(禹明剛,王智學,張婷婷,等.基于能力的C4ISR通信領域上下文本體建模方法[J].系統工程理論與實踐,2015,35(8):2158-2163.)

[19] Li H,Ma B N,Kong L X.Temporal model and driving mechanism of the military task[J].Journal of National University of Defense Technology,2013,35(3):138-143.(李歡,馬伯寧,孔龍星.軍事任務推演的時空模型與驅動機制[J].國防科技大學學報,2013,35(3):138-143.)

[20] Xu J,Wang G Y,Yu H.Review of big data processing based on granular computing[J].Chinese Journal of Computers,2015,38(8):1497-1517.(徐計,王國胤,于洪.基于粒計算的大數據處理[J].計算機學報,2015,38(8):1497-1517.)

[21] Zhao J.Research on the structure and catalog of concept element space[D].Jilin:Jilin University,2012.(趙健.概念元空間的結構與范疇研究[D].吉林:吉林大學,2012.)

[22] Gong F M,Shao M W,Qiu G F.Concept granular computing systems and their approximation operators[J].International Journal of Machine Learning & Cybernetics,DOI:10.1007/s13042-015-0457-z.

[23] Zhang T,Ren H L,Hong W X,et al.An visualized formal concepts computing based on attributes topology[J].Acta Electronia Sinica,2014,42(5):925-932.(張濤,任宏雷,洪文學,等.基于屬性拓撲的可視化形式概念計算[J].電子學報,2014,42(5):925-932.)

[24] Wang Y,Feng J.FCA assisted IF channel construction towards formulating conceptual data modeling[J].WSEAS Transactions on Systems,2007,6(6):1159-1167.

[25] Shi M T,Liu W Q,Fan M.Covering rough set model over two different universes[J].Computer Engineering and Applications,2013,49(10):132-135.(石夢婷,劉文奇,范敏.兩個域上的覆蓋粗糙集模型[J].計算機工程與應用,2013,49(10):132-135.)

[26] Yao Y Y.Rough-set concept analysis:interpreting RS-definable concepts based on ideas from formal concept analysis[J].Information Sciences,DOI:10.1016/j.ins.2016.01.091.

[27] Ma L,Mi J S,Xie B.Multi-scaled concept lattices based on neighborhood systems[J].International Journal of Machine Learning and Cybernetics,DOI:10.1007/s13042-016-0521-3.

Constructing framework of triadic concepts cognitive system model of equipment system of systems based on big data

WANG Shou-biao,LI Xin-ming,LIU Dong,PEI Zhong-min

(National Key Laboratory of Complex Electronic System Simulation,Academy of Equipment,Beijing 101416,China)

Varieties of concept modes on equipment system of systems (ESoS)exist some uncertainties such as mingled semantics connotation,inseparable denotative objects,dynamic fuzziness of system boundaries.These factors restrict ESoS comprehensive cognition.Meanwhile,big data modeling,analyzing and decision-making supporting are of great opportunities to descript the SoS models for knowledge discovery.A constructing framework is firstly proposed that according to a generalized complex information system viewpoint of ESoS,formal triadic concept analysis theory (TCA)is adopted to formalize the concepts and the hiberarchy networked structure between concept elements so that a cognitive system model could be derived from data contexts.Secondly,the big data modeling process stages of semantic hyper-network from the view of capability is analyzed and super-graph is used to formalize the data model.Lastly,the research actualities about concept cognitive system is simply summarized,a semantic context strategy is proposed to construct the formal triadic concepts with the relation between covering context and the triadic concept is discussed.The contents would be beneficial to explore ESoS cognitive computing applying big data.

equipment system of systems (ESoS); generalized complex information system; big data; semantic hyper-network; cognitive system; formal triadic concepts

2015-12-08；

2016-05-31；網絡優先出版日期：2016-07-06。

國家重點實驗室裝備預研基金和社會科學基金資助課題

TP 391.9

ADOI:10.3969/j.issn.1001-506X.2016.11.14

王壽彪(1986-),男,博士研究生,主要研究方向為粒計算、大數據與裝備體系演化。

E-mail:biao007ge@126.com

李新明(1965-),男,研究員,博士研究生導師,博士,主要研究方向為云計算、大數據與裝備體系論證。

E-mail:liyi1221@263.com

劉東(1981-),男,助理研究員,博士,主要研究方向為空間信息系統可靠性建模與仿真、大數據。

E-mail:ld5m@163.com

裴忠民(1975-),男,助理研究員,博士后,主要研究方向計算機網絡、軍事信息系統設計。

E-mail:peizhongmin@mail.tsinghua.org.cn

網絡優先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20160706.1959.012.html