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！

龙图腾网获悉中国人民解放军空军工程大学申请的专利一种改进贝叶斯网络的察打一体无人机使用安全评估方法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：CN120198013B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510271378.3，技术领域涉及：G06Q10/0639；该发明授权一种改进贝叶斯网络的察打一体无人机使用安全评估方法是由刘树光;周昱林;王柯设计研发完成，并于2025-03-08向国家知识产权局提交的专利申请。

本一种改进贝叶斯网络的察打一体无人机使用安全评估方法在说明书摘要公布了：针对察打一体无人机作战任务复杂多样、测试数据难以获取、安全评估主观性强等问题，提出一种改进贝叶斯网络的察打一体无人机使用安全评估方法，旨在通过该模型评估察打一体无人机的使用安全。该方法主要包括：步骤1.构建察打一体无人机使用安全评估指标体系；步骤2.改进贝叶斯网络评估模型。本发明首次提出利用熵值法改进G1法求得根节点的先验概率，利用EM算法得到子节点的条件概率。改进后的贝叶斯网络以其处理复杂性和多变量条件概率分布的独特优势，显著增强了模型在不完全数据环境下的适应性和准确性，可适用于更广泛的应用场景。

本发明授权一种改进贝叶斯网络的察打一体无人机使用安全评估方法在权利要求书中公布了：1.一种改进贝叶斯网络的察打一体无人机使用安全评估方法，其特征在于，具体包括下列步骤： 步骤1.构建察打一体无人机使用安全评估指标体系； 将察打一体无人机的作战阶段具体分为5个阶段：1.机场准备；2.起飞爬升；3.进入战场；4.执行任务；5.返回机场； 基于指标体系构建的基本原则和方法，结合相关领域专家的见解，该指标体系被设计为四层结构；选定下列关键指标，分别为：地面站操作人员的指挥控制能力、应急处理能力和健康疲劳程度；抗干扰装置、侦察载荷和武器载荷的安全性；动力系统、传感系统和飞行平台的安全性以及自身软硬件故障；无人机的续航时间、巡航速度和续航高度；无人机的恶劣地形、天气和电磁环境适应能力；无人机的抗数据链路欺骗、抗电磁干扰、抗信息攻击、抗卫星导航欺骗和抗声波干扰能力；无人机的数据加密、信息传输和雷达探测安全能力；无人机多机之间的组网通信、航迹跟踪和协同打击安全性；无人机的目标定位、打击和反拦截能力；无人机的故障检测和自我修复能力； 步骤2.改进贝叶斯网络评估模型； 1贝叶斯网络； 若已知观测数据D，设为待估计参数则有： 1 式中，为后验概率，为先验概率，为似然函数，为观测数据D在所有可能参数下的总概率，表示观测数据，表示上下文内容； 式1变形为： 2 式中，若忽略上下文内容，将待估计参数记为A，观测数据D记为B，表示在已知事件A发生的条件下，推测事件B发生的条件概率； 贝叶斯网络表示为： 3 式中，G表示贝叶斯网络，表示贝叶斯网络集合，为节点集合，n为节点个数；g代表了节点之间的依赖关系，为n×n的矩阵；p为条件概率表，表示每个节点xi的条件概率，i为取值1~n的整数； 通过链式法知联合概率为： 4 式中，表示联合概率，表示事件发生的概率，表示在事件发生的条件下发生的概率； 贝叶斯网络由一组变量构成，每一个节点对应一组变量中的一个变量；将联合概率写成局部概率的乘积： 5 式中，表示联合概率，为父节点下子节点的条件概率，是节点的父节点； 2基于熵值改进的序关系分析G1法确定先验概率； 具体如下： Step1：设评价对象为A，对应n个评价指标，有m个专家参与评价，其中分别表示m个专家，M表示专家的集合；如果评价指标的评价重要程度大于，则记为，为标准符号，含义为重要性程度大于； Step2：专家从指标集中选择最为重要的指标，记为； Step3：专家再从剩下的n-1个指标中选择最为重要的指标，记为； Step4：重复上一步骤，直至最后一个指标；得到所有指标重新排序后的序关系： 6 Step5：计算在第i个专家下第j个指标的比重： 7 式中： 为第i个专家对第j个指标的比重，该值越大，表明指标越重要，对评价的重要性就越大，i=1,2,...,m，j=1,2,...,n； 为第i个专家对第j个指标的评价； 为所有专家对第j个指标的评价之和； Step6：计算第j个指标的熵值： 8 Step7：判断相邻指标重要程度之比： 9 式中，为相邻指标的熵值之比，k=n,n-1,...,2； Step8：计算指标权重，最后一个指标的权重为： 10 再根据： 11 逆推得到所有指标的权重； Step9：设指标的所有等级划分为s个，，分别表示指标的等级，L表示指标等级的集合，并确定每个指标相对于等级的隶属度： 12 式中，为第j个指标隶属于等级i的隶属度，N为评价者总人数，k为第j个指标打分结果属于等级i的评价者人数； Step10：计算根节点属于每个等级的先验概率： 13 式中，P表示根节点的先验概率，为n个指标中第j个指标的权重，为第j个指标隶属于等级i的隶属度； 3基于EM算法确定条件概率； E步-期望步骤：在当前贝叶斯模型参数估计下，计算隐变量的后验概率，即隐变量的期望，作为隐变量现在的估计值： 14 其中，表示第i个样本中的已观测变量，对应贝叶斯网络中已观测的节点；表示第i个样本中的隐变量，在贝叶斯网络中对应未观测到的节点；表示在已知观测数据和当前参数下，隐变量的后验分布； M步-最大化步骤：根据E步计算的期望值，更新参数，以最大化对数似然函数: 15 式中，表示在当前参数下的极大似然估计函数，i为每个样本；在M步中，利用E步计算出的后验概率，重新估计模型参数，使得极大似然估计函数最大化； 在M步中，需要考虑隐变量所有可能的取值，并根据它们在当前参数下的后验概率来加权计算期望值；这意味着，对于每个样本i，不仅要考虑实际观测到的数据，还要综合考虑隐变量所有可能取值的影响； M步将目标函数分解为各节点条件概率的对数之和，独立更新每个节点的参数，E步与M步过程反复进行迭代，直到参数收敛；通过式15的对应关系，EM算法能够将隐变量的不确定性转化为条件概率参数的更新依据，逐步优化贝叶斯网络模型，最终逼近数据的真实分布。

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中国人民解放军空军工程大学，其通讯地址为：710051 陕西省西安市灞桥区长乐东路甲字1号；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”。

以上内容由龙图腾AI智能生成。