-
公开(公告)号：CN110048885B
公开(公告)日：2022-02-01
申请号：CN201910286676.4
申请日：2019-04-10
Applicant: 重庆邮电大学
IPC: H04L43/0811 , H04L41/14 , H04L41/12 , H04L45/12 , H04L9/40
Abstract: 本发明公开了一种战术互联网中基于虚拟三角形效能评估方法，属于军事网络效能分析技术领域。该发明方法假设所有的作战单元和传输都正常工作，通过设立和构建虚拟三角形VL模型，引入连接损失、最短径长损失、点边连通率来判断攻击关键三角形后，对整个作战网络连通性的影响。不仅可以比较不同规模的作战网络中虚拟三角形的重要程度，也可以很好的区分不同图形的重要程度。充分考虑虚拟三角形(图形)被打击后的各种因素，提高判断关键三角形的准确性。新的虚拟三角形攻击策略为基于军事网络攻击和防御策略提供参考。
-
Patent Agency Ranking
公开(公告)号：CN109816029B
公开(公告)日：2023-12-19
申请号：CN201910092661.4
申请日：2019-01-30
Applicant: 重庆邮电大学
IPC: G06F18/23213
Abstract: 本发明公开了一种基于军事操作链的高阶聚类划分算法，属于军事网络分析方法，更为具体地讲，是基于操作链的社区划分算法。本发明构建的作战体系网络模型包括传感器、指控和火力打击等3类节点，作战目标之间存在错综复杂的相互关系，它们在很大程度上反映了作战目标之间的组织关系，是对其进行群体划分以及分析敌方作战体系的组织构成情况都不可忽视的重要信息。本发明考虑了信息化战争体系对抗的特征，从最小操作链角度出发划分社区，定义的算法结合了复杂网络谱排序算法来降低社区划分复杂度，初始节点选取考虑了拓扑结构信息，提高了划分结果的准确性。(56)对比文件shadab irfan等.Optimizataion of k-means clustering using genetic algorithm.《International Conference on Computingand Communication Technologies for SmartNation（IC3TSN）》.2018,
-
公开(公告)号：CN110048885A
公开(公告)日：2019-07-23
申请号：CN201910286676.4
申请日：2019-04-10
Applicant: 重庆邮电大学
IPC: H04L12/24 , H04L12/26 , H04L12/721 , H04L29/06
Abstract: 本发明公开了一种战术互联网中基于虚拟三角形效能评估方法，属于军事网络效能分析技术领域。该发明方法假设所有的作战单元和传输都正常工作，通过设立和构建虚拟三角形VL模型，引入连接损失、最短径长损失、点边连通率来判断攻击关键三角形后，对整个作战网络连通性的影响。不仅可以比较不同规模的作战网络中虚拟三角形的重要程度，也可以很好的区分不同图形的重要程度。充分考虑虚拟三角形(图形)被打击后的各种因素，提高判断关键三角形的准确性。新的虚拟三角形攻击策略为基于军事网络攻击和防御策略提供参考。
-
公开(公告)号：CN110061870B
公开(公告)日：2021-10-01
申请号：CN201910286675.X
申请日：2019-04-10
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明涉及一种战术互联网中基于节点与边联合效能评估方法，包括以下步骤：根据作战单位及各单位间的信息传输关系构建第一作战网络拓扑模型；根据预设算法分别计算第一作战网络拓扑模型中各节点的节点度数以及各节点间的边权值，分别将节点度数和边权值排序保存至第一数组和第二数组；选取第一作战网络拓扑模型中边权值最小的边及其邻接的边集合中边权值最小的一条邻边，按照亲近系数进行边点对换，同时从第二数组中删除无效的边权值；直至第一作战网络拓扑模型的所有节点被边替换且完成边点映射，得到第二作战网络拓扑模型；计算第二作战网络拓扑模型中所有映射节点的节点度数，并排序保存至第三数组；结合三个数组混合分析作战对策。
-
公开(公告)号：CN110061870A
公开(公告)日：2019-07-26
申请号：CN201910286675.X
申请日：2019-04-10
Applicant: 重庆邮电大学
IPC: H04L12/24
Abstract: 本发明涉及一种战术互联网中基于节点与边联合效能评估方法，包括以下步骤：根据作战单位及各单位间的信息传输关系构建第一作战网络拓扑模型；根据预设算法分别计算第一作战网络拓扑模型中各节点的节点度数以及各节点间的边权值，分别将节点度数和边权值排序保存至第一数组和第二数组；选取第一作战网络拓扑模型中边权值最小的边及其邻接的边集合中边权值最小的一条邻边，按照亲近系数进行边点对换，同时从第二数组中删除无效的边权值；直至第一作战网络拓扑模型的所有节点被边替换且完成边点映射，得到第二作战网络拓扑模型；计算第二作战网络拓扑模型中所有映射节点的节点度数，并排序保存至第三数组；结合三个数组混合分析作战对策。
-
公开(公告)号：CN109816029A
公开(公告)日：2019-05-28
申请号：CN201910092661.4
申请日：2019-01-30
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于军事操作链的高阶聚类划分算法，属于军事网络分析方法，更为具体地讲，是基于操作链的社区划分算法。本发明构建的作战体系网络模型包括传感器、指控和火力打击等3类节点，作战目标之间存在错综复杂的相互关系，它们在很大程度上反映了作战目标之间的组织关系，是对其进行群体划分以及分析敌方作战体系的组织构成情况都不可忽视的重要信息。本发明考虑了信息化战争体系对抗的特征，从最小操作链角度出发划分社区，定义的算法结合了复杂网络谱排序算法来降低社区划分复杂度，初始节点选取考虑了拓扑结构信息，提高了划分结果的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
