内容简介

目标分析是联合作战指挥中的重要组成部分，贯穿战斗的全过程。准确的目标分析，能够在复杂多变的战场环境中取得优势。本书聚焦从数据中分析目标的行为模式、预测目标的动向。首先，阐述了目标分析的内涵和技术发展。其次，介绍了目标分析的开源数据与基本方法；并从传统方法、深度学习和事件序列三个角度描述基于开源数据的目标跟踪分析方法；针对目标的动态变化，重点介绍了目标行为变化的检测方法和目标活动动向的预测方法。最后，针对开源数据介绍了目标分析的相关案例。
本书适合目标分析人员、目标分析方法研究人员，以及对数据驱动目标分析与预测感兴趣的研究者和专业人士参考，同样也可以作为研究生的教学用书教材，还适合对目标分析研究有热情的软件开发者学习和应用。

目录

目录

第 1 章 目标分析技术的发展

1.1 目标分析内涵

1.2 目标分析技术的发展

1.3 基于开源数据的目标分析内容

第 2 章 目标分析的开源数据与基础方法

2.1 开源数据简介

2.1.1 开源数据研究现状

2.1.2 开源文本数据采集

2.1.3 开源图片数据采集

2.1.4 开源 AIS 数据采集

2.2 目标实体识别方法

2.2.1 实体识别基本概念

2.2.2 实体识别的价值和应用领域

2.2.3 实体识别的研究现状和难点

2.2.4 实体识别的发展趋势

2.2.5 基于大语言模型的目标实体识别

2.3 事件抽取方法

2.3.1 事件抽取基本概念

2.3.2 事件抽取的评价指标

2.3.3 事件抽取基准数据集

2.3.4 事件抽取常用方法

2.3.5 基于阅读理解的事件抽取

2.4 基于图像的目标检测方法

2.4.1 目标检测常用框架

2.4.2 经典目标检测方法

2.4.3 基于 YOLO V5 改进的目标检测算法

第 3 章 基于开源数据的目标跟踪分析

3.1 目标跟踪简介

3.2 传统的基于图像的目标跟踪方法

3.2.1 光流法

3.2.2 卡尔曼滤波器

3.2.3 粒子滤波

3.2.4 均值漂移

3.2.5 稀疏编码

3.2.6 字典学习

3.3 基于深度学习的目标跟踪方法

3.3.1 卷积神经网络

3.3.2 学生神经网络

3.3.3 典型的深度学习跟踪算法

3.3.4 其他方法

3.4 基于事件序列的目标跟踪方法

3.4.1 事件融合

3.4.2 目标活动事件线生成

第 4 章 目标行为变化检测分析

4.1 基于 AI 的变化检测方法

4.1.1 基于 AI 的变化检测实施过程

4.1.2 基于 AI 的变化检测主要框架

4.2 基于图像的目标变化检测

4.2.1 基于 STANet 的图像变化检测方法

4.2.2 基于自编码网络的半监督图像异常检测

4.3 基于时序数据的目标异常变化检测

4.3.1 数学描述

4.3.2 多变量时序异常检测模型

第 5 章 目标活动动向预测分析

5.1 基于事件的目标动向预测

5.1.1 目标活动事件图构建

5.1.2 基于协同模式的目标事件预测

5.1.3 基于事件的目标动向预测评估

5.2 基于轨迹的目标动向预测

5.2.1 轨迹数据预处理

5.2.2 基于轨迹相似度的目标活动预测

5.2.3 基于深度学习的目标活动预测

第 6 章 面向开源情报的目标分析案例

6.1 基于开源文本数据的目标活动跟踪分析

6.2 目标活动异常告警分析

6.3 目标活动预测案例分析

参考文献

编辑

分享