基于數(shù)據(jù)挖掘的某型雷達(dá)裝備保障輔助決策系統(tǒng)

李田英, 胡道生

(河南省商丘醫(yī)學(xué)高等專科學(xué)校,河南 商丘 476100)

?

基于數(shù)據(jù)挖掘的某型雷達(dá)裝備保障輔助決策系統(tǒng)

李田英, 胡道生

(河南省商丘醫(yī)學(xué)高等?？茖W(xué)校,河南 商丘 476100)

基于數(shù)據(jù)挖掘技術(shù)研究了某型雷達(dá)裝備保障輔助決策系統(tǒng)。分析了某型雷達(dá)裝備保障現(xiàn)狀,以及制約雷達(dá)保障效率的四大問(wèn)題,簡(jiǎn)要介紹了數(shù)據(jù)挖掘技術(shù)。利用數(shù)據(jù)挖掘的技術(shù)非常適合數(shù)據(jù)量大的特性,搭建了某型雷達(dá)裝備保障的輔助決策系統(tǒng),并對(duì)其主要功能模塊進(jìn)行了分析與設(shè)計(jì)。該系統(tǒng)能夠?yàn)闆Q策者提供裝備保障和使用所需的重要信息,對(duì)提高保障效率和準(zhǔn)確性以及充分發(fā)揮裝備作戰(zhàn)效能具有極其重要的理論和現(xiàn)實(shí)意義。

裝備保障; 數(shù)據(jù)挖掘; 輔助決策

1 引 言

某型雷達(dá)作為我國(guó)戰(zhàn)略預(yù)警的骨干裝備,在對(duì)空、對(duì)海預(yù)警和反導(dǎo)等遠(yuǎn)程預(yù)警中具有獨(dú)特的優(yōu)勢(shì)[1]。為了確保其穩(wěn)定可靠地工作,對(duì)其必須要有強(qiáng)有力的維修保障能力。但某型雷達(dá)裝備是一個(gè)系統(tǒng)復(fù)雜、精密度高、部署分散、結(jié)構(gòu)龐大的系統(tǒng),與常規(guī)雷達(dá)相比,該型裝備保障的內(nèi)容更多、標(biāo)準(zhǔn)更高、難度更大。目前對(duì)某型雷達(dá)裝備保障的方式主要是技術(shù)人員使用儀器儀表依靠經(jīng)驗(yàn)進(jìn)行現(xiàn)場(chǎng)保障、定期保障、事后維修等傳統(tǒng)的保障方式,這種方式具有對(duì)有用信息利用率低、速度慢、時(shí)間長(zhǎng)、故障定位不準(zhǔn)確等缺點(diǎn)。傳統(tǒng)的保障方式與信息化戰(zhàn)爭(zhēng)條件下裝備保障應(yīng)該具有預(yù)測(cè)性、快速性、可見(jiàn)性和精確性的要求不相適應(yīng)[2]。因此,迫切需要研制高效的裝備保障輔助決策系統(tǒng)。而目前現(xiàn)有的常規(guī)雷達(dá)裝備維修保障輔助決策系統(tǒng)由于設(shè)備型號(hào)、工作方式、系統(tǒng)結(jié)構(gòu)、數(shù)據(jù)量大小等因素的不同,不能完全適用于該型雷達(dá)裝備保障[3-5]。基于此,本文基于數(shù)據(jù)挖掘的技術(shù)搭建了某型雷達(dá)裝備保障的輔助決策系統(tǒng)。該系統(tǒng)能夠提高保障效率和準(zhǔn)確性,充分發(fā)揮裝備作戰(zhàn)效能。

2 某型雷達(dá)裝備維修保障現(xiàn)

目前該型雷達(dá)裝備保障系統(tǒng)主要由基層級(jí)、中繼級(jí)和基地級(jí)的三級(jí)保障機(jī)構(gòu)組成,雖然也研制了網(wǎng)絡(luò)化的裝備保障信息系統(tǒng),但該信息系統(tǒng)僅僅是對(duì)裝備信息、人員信息、裝備維修、裝備器材管理的登記統(tǒng)計(jì)及文件信息傳輸,無(wú)法對(duì)數(shù)據(jù)庫(kù)中多種異構(gòu)數(shù)據(jù)進(jìn)行綜合分析和處理,同時(shí)也無(wú)法充分利用雷達(dá)運(yùn)行過(guò)程中產(chǎn)生的大量信息,對(duì)裝備保障決策的輔助支持作用極弱,難以適應(yīng)信息化戰(zhàn)爭(zhēng)條件下裝備保障工作的需求。目前的裝備保障主要有以下的局限性。

(1) 信息化程度低,協(xié)同難度大。由于裝備部署分散、結(jié)構(gòu)復(fù)雜、各分系統(tǒng)之間關(guān)聯(lián)性強(qiáng),因此,故障呈現(xiàn)層次性、傳播性、相關(guān)性和不確定性等新特點(diǎn)。當(dāng)前雷達(dá)裝備的故障診斷主要依賴于裝備保障人員的維修保障經(jīng)驗(yàn),有時(shí)系統(tǒng)級(jí)故障需要多名人員在多站的多個(gè)機(jī)房協(xié)同排除,而裝備保障可用的信息不足,且診斷信息得不到及時(shí)溝通,導(dǎo)致維修保障協(xié)同難增大,嚴(yán)重制約了雷達(dá)保障效率。

(2) 裝備保障方式落后,缺乏故障預(yù)測(cè)和裝備壽命管理機(jī)制。雖然目前該型雷達(dá)設(shè)備已有許多機(jī)內(nèi)測(cè)試設(shè)備(BITE),可用于對(duì)部分已產(chǎn)生的故障進(jìn)行診斷指示,但無(wú)法對(duì)裝備實(shí)際的技術(shù)狀況和總體質(zhì)量進(jìn)行評(píng)估和預(yù)測(cè),如剩余使用壽命、技術(shù)狀態(tài)的衰減情況及裝備的可靠性等缺乏有效的預(yù)測(cè),因此,很難制定出科學(xué)合理的預(yù)防性維修計(jì)劃。當(dāng)前仍采用事后維修、定期計(jì)劃維修等傳統(tǒng)的維修保障方式,維修針對(duì)性不強(qiáng),造成“維修不足”和“維修過(guò)剩”的現(xiàn)象時(shí)有發(fā)生。

(3) 數(shù)據(jù)資料缺乏統(tǒng)一規(guī)范和管理,不完備,甚至相互矛盾。當(dāng)前裝備相關(guān)的數(shù)據(jù)資料主要由各崗位的戰(zhàn)勤人員有選擇地對(duì)這些數(shù)據(jù)進(jìn)行收集、整理,缺乏統(tǒng)一規(guī)范和集中管理。這種方式不僅工作量巨大,使得相當(dāng)部分的數(shù)據(jù)無(wú)法準(zhǔn)確及時(shí)的收集整理,而且極易受到人為主觀因素的影響,不同人員收集的資料之間可能存在相互矛盾的地方,從而影響裝備保障決策。

(4) 數(shù)據(jù)量大,信息處理能力弱,缺乏高效地?cái)?shù)據(jù)分析手段。雷達(dá)在工作過(guò)程中產(chǎn)生了海量的數(shù)據(jù),主要包括:雷達(dá)工作參數(shù)、探測(cè)效能數(shù)據(jù)、雷達(dá)工作狀態(tài)信息、故障信息、維修信息等等。這些信息對(duì)于雷達(dá)的故障診斷、裝備可靠性研究、雷達(dá)探測(cè)性能研究、裝備性能優(yōu)化等方面十分有用。然而,由于這些數(shù)據(jù)十分繁雜,缺乏有效的自動(dòng)化分析工具,造成了數(shù)據(jù)資料的浪費(fèi),也大大制約了雷達(dá)裝備保障的能力和作戰(zhàn)效能的有效發(fā)揮。

由上述的分析可知,目前某型雷達(dá)裝備保障面臨的問(wèn)題是如何將大量分散的、異構(gòu)的數(shù)據(jù)資料變成有效的信息資源充分利用,消除“數(shù)據(jù)豐富、信息貧乏”,使得這些數(shù)據(jù)能為裝備保障服務(wù)。國(guó)內(nèi)外的實(shí)踐已經(jīng)證明:數(shù)據(jù)挖掘技術(shù)可以從大量數(shù)據(jù)中發(fā)現(xiàn)知識(shí)和規(guī)律,很好地為裝備保障提供規(guī)律或根據(jù)數(shù)據(jù)信息建立數(shù)學(xué)模型,幫助保障部門(mén)更好地完成裝備保障任務(wù),為正確決策提供依據(jù)。

3 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘(DM),又稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn),即從大量數(shù)據(jù)中提取有效的、新穎的、隱含的、有價(jià)值的、最終可被理解的模式和規(guī)則的過(guò)程[6]。簡(jiǎn)單的說(shuō),數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中挖掘知識(shí),這些知識(shí)以概念、規(guī)則、規(guī)律、模式、約束等形式提供給決策者用以輔助決策。它是一門(mén)融合了人工智能、數(shù)據(jù)庫(kù)、數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、并行計(jì)算、可視化技術(shù)等多個(gè)領(lǐng)域的交叉學(xué)科。數(shù)據(jù)挖掘系統(tǒng)的典型結(jié)構(gòu)如圖1所示,主要包括數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、知識(shí)庫(kù)、數(shù)據(jù)庫(kù)及數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器,數(shù)據(jù)挖掘模塊、模式評(píng)估模塊和圖形用戶界面。數(shù)據(jù)挖掘的流程為:數(shù)據(jù)取樣→數(shù)據(jù)探索→數(shù)據(jù)調(diào)整→模型化→評(píng)價(jià),在這一過(guò)程的反復(fù)地進(jìn)行中,決策模型不斷趨近事物的本質(zhì)。

圖1 數(shù)據(jù)挖掘系統(tǒng)典型的結(jié)構(gòu)Fig.1 Typical structure of data mining system

4 基于數(shù)據(jù)挖掘的某型雷達(dá)裝備保障輔助決策系統(tǒng)

由上一節(jié)分析可知,數(shù)據(jù)挖掘技術(shù)能夠在某型雷達(dá)裝備保障工作中發(fā)揮重大作用。美、英、法等西方發(fā)達(dá)國(guó)家已逐步將這些技術(shù)應(yīng)用到裝備可靠性、維修性和保障性等工程實(shí)踐中。本文基于數(shù)據(jù)挖掘技術(shù)建立某型雷達(dá)裝備輔助決策

系統(tǒng)。為了便于今后對(duì)系統(tǒng)功能的擴(kuò)展,采用面向服務(wù)的開(kāi)放式軟件架構(gòu),可以在使用過(guò)程中更加需要增添或修改功能部件。系統(tǒng)的體系機(jī)構(gòu)如圖2所示,從邏輯上可以分為四個(gè)層次:最底層為信息獲取層:數(shù)據(jù)采集與轉(zhuǎn)換模塊,主要功能是從雷達(dá)各分系統(tǒng)中獲取設(shè)備狀態(tài)信息(包括傳感器和機(jī)內(nèi)測(cè)試信息);第二層為數(shù)據(jù)存儲(chǔ)層,主要由靜態(tài)數(shù)據(jù)庫(kù)、動(dòng)態(tài)數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、知識(shí)庫(kù)等組成;第三層為數(shù)據(jù)處理層,具有數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和輔助決策的功能,是整個(gè)輔助決策系統(tǒng)的核心;頂層為輔助決策層,主要負(fù)責(zé)決策任務(wù)及管理。同時(shí)輔助決策系統(tǒng)通過(guò)通信網(wǎng)絡(luò)與裝備修理廠、裝備研制廠(所)以及駐地地方維修保障中心相連,構(gòu)成了網(wǎng)絡(luò)化、一體化的雷達(dá)裝備保障體系。

4.1 信息獲取層

最底層為信息獲取層:數(shù)據(jù)采集與轉(zhuǎn)換模塊,主要有兩大功能:一是錄入裝備保障人員收集整理的數(shù)據(jù)資料并進(jìn)行格式轉(zhuǎn)換,二是為實(shí)時(shí)采集的雷達(dá)相關(guān)信息。采集的雷達(dá)相關(guān)信息包括三個(gè)方面:一是工作狀態(tài)參數(shù),采集的原則是在充分表征系統(tǒng)狀態(tài)的前提下,盡量減少監(jiān)測(cè)狀態(tài)參數(shù)的數(shù)量;二是監(jiān)測(cè)狀態(tài)參數(shù),通過(guò)采集各類智能傳感器或采樣電路獲得;三是機(jī)內(nèi)測(cè)試信息。

圖2 基于數(shù)據(jù)挖掘的某型雷達(dá)保障輔助決策系統(tǒng)結(jié)構(gòu)Fig.2 The structure of a certain type of radar support decision support system based on data mining

4.2 數(shù)據(jù)存儲(chǔ)層

數(shù)據(jù)存儲(chǔ)層中的靜態(tài)數(shù)據(jù)庫(kù)用于存儲(chǔ)裝備保障人員收集整理的數(shù)據(jù)資料,包括:廠家的隨機(jī)資料、雷達(dá)部件結(jié)構(gòu)、裝備性能資料、裝備特性信息、裝備維修登記、總結(jié)資料、裝備工作信息等。在雷達(dá)工作過(guò)程中信息獲取層采集的信息經(jīng)歸一化處理后存儲(chǔ)到動(dòng)態(tài)數(shù)據(jù)庫(kù)中,這些信息主要包括:雷達(dá)工作參數(shù)、雷達(dá)工作狀態(tài)信息、探測(cè)效能信息、頻譜信息以及情報(bào)信息等。數(shù)據(jù)倉(cāng)庫(kù)存放經(jīng)過(guò)分析、提取等處理之后的數(shù)據(jù)。知識(shí)庫(kù)中主要存放故障機(jī)理、專家知識(shí)、故障樹(shù)以及各類診斷、預(yù)測(cè)推理模型和分析規(guī)則等。

4.3 數(shù)據(jù)處理層

數(shù)據(jù)處理層為整個(gè)裝備保障輔助決策系統(tǒng)的核心,分為四大功能模塊。①數(shù)據(jù)預(yù)處理模塊主要完成數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換、融合,將預(yù)處理好的數(shù)據(jù)保存到數(shù)據(jù)倉(cāng)庫(kù)中。數(shù)據(jù)抽取就是根據(jù)某型裝備保障輔助決策的需要從靜態(tài)數(shù)據(jù)庫(kù)或動(dòng)態(tài)數(shù)據(jù)庫(kù)中抽取相關(guān)的數(shù)據(jù);數(shù)據(jù)清洗主要完成數(shù)據(jù)噪聲的清除;數(shù)據(jù)集成將多種數(shù)據(jù)源組合在一起;數(shù)據(jù)轉(zhuǎn)換和綜合將選擇的數(shù)據(jù)轉(zhuǎn)換成可挖掘形式,形成數(shù)據(jù)集市保存到數(shù)據(jù)倉(cāng)庫(kù)中。②數(shù)據(jù)挖掘模塊主要包括數(shù)據(jù)挖掘、知識(shí)評(píng)價(jià)、結(jié)果修正等功能部件,數(shù)據(jù)挖掘部件借助知識(shí)庫(kù)中已有的規(guī)則、方法、經(jīng)驗(yàn)和事實(shí)數(shù)據(jù)等,利用合適的數(shù)據(jù)挖掘算法對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行挖掘并發(fā)現(xiàn)知識(shí),知識(shí)評(píng)價(jià)和結(jié)果修正對(duì)挖掘結(jié)果進(jìn)行評(píng)估,某型裝備設(shè)備復(fù)雜,數(shù)據(jù)量大,對(duì)不同裝備采用的數(shù)據(jù)挖掘方法和工具也不一樣,主要有基于神經(jīng)網(wǎng)絡(luò)的挖掘方法、基于關(guān)聯(lián)規(guī)則和決策樹(shù)的挖掘方法、基于模糊邏輯的挖掘方法等,以及這些方法的綜合運(yùn)用;③狀態(tài)監(jiān)測(cè)模塊完成信號(hào)征兆辨識(shí)和特征提取的任務(wù);④輔助決策模塊包含各種輔助決策模型和決策優(yōu)化模型。這四個(gè)功能模塊都由多個(gè)小的功能部件配合完成其功能,每一個(gè)功能部件實(shí)現(xiàn)為一個(gè)Agent。當(dāng)需要向系統(tǒng)中增加輔助決策功能時(shí),只需要向相關(guān)的總能模塊中添加合適的Agent部件,并在輔助決策模塊中構(gòu)造相應(yīng)的決策過(guò)程模型;當(dāng)需要改善某個(gè)輔助決策時(shí)只需要修改相關(guān)的Agent部件即可。

4.4 輔助決策層

輔助決策主要包括:故障診斷、故障預(yù)測(cè)、預(yù)防性維修預(yù)測(cè)、維修備件需求預(yù)測(cè)、裝備保障人員配置、裝備保障人員資格評(píng)估及其對(duì)雷達(dá)探測(cè)性能的影響等功能。由于篇幅有限,各功能模塊不能一一介紹,本文以故障診斷為例進(jìn)行說(shuō)明。故障診斷利用獲得的各類信息借助合適的推理機(jī)制來(lái)尋找故障現(xiàn)象和故障結(jié)果的映射關(guān)系,以達(dá)到預(yù)測(cè)故障發(fā)展趨勢(shì)和后果以及部件的剩余壽命,給出最佳保障方案的目的。故障診斷主要包括故障知識(shí)獲取和故障診斷兩個(gè)方面:①故障知識(shí)獲取?；跀?shù)據(jù)挖掘的某型雷達(dá)裝備故障知識(shí)獲取過(guò)程如圖3所示。首先從數(shù)據(jù)庫(kù)中收集、整理所需的原始數(shù)據(jù),該階段包括原始數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)預(yù)處理兩步;然后進(jìn)行特征提取,該階段包括數(shù)據(jù)變換、特征選擇、特征約簡(jiǎn)三步;為了充分利用不同特征之間的互補(bǔ)優(yōu)勢(shì),可以采用不同方法對(duì)多種特征進(jìn)行特征融合;數(shù)據(jù)挖掘算法設(shè)計(jì)根據(jù)數(shù)據(jù)的特點(diǎn)和各種學(xué)習(xí)算法的特點(diǎn),設(shè)計(jì)挖掘算法的詳細(xì)步驟;結(jié)果評(píng)價(jià)對(duì)挖掘結(jié)果進(jìn)行一致性、合理性檢查,與預(yù)期目標(biāo)進(jìn)行對(duì)比,同時(shí)加入專家知識(shí),如果結(jié)果和預(yù)期目標(biāo)偏差較大,返回算法設(shè)計(jì)階段,調(diào)整或重新設(shè)計(jì)挖掘算法;如果結(jié)果理想,返回?cái)?shù)據(jù)準(zhǔn)備階段,擴(kuò)大數(shù)據(jù)集,重新開(kāi)始一輪挖掘過(guò)程;知識(shí)導(dǎo)出重復(fù)上述步驟,直至達(dá)到最終目標(biāo),并將知識(shí)(如規(guī)則知識(shí)、模型知識(shí)等)導(dǎo)出到知識(shí)庫(kù)中備用。②故障診斷。雷達(dá)故障診斷的工作流程如圖4所示。首先采集故障信息,并對(duì)其進(jìn)行特征提取和融合后與故障知識(shí)庫(kù)中相關(guān)知識(shí)進(jìn)行匹配,形成對(duì)監(jiān)測(cè)目標(biāo)的狀態(tài)(健康狀況)精確評(píng)估。當(dāng)發(fā)現(xiàn)監(jiān)測(cè)目標(biāo)出現(xiàn)異常征兆或故障時(shí),根據(jù)故障現(xiàn)象利用知識(shí)庫(kù)中故障樹(shù)等知識(shí)進(jìn)行故障診斷,確定故障原因和部位。對(duì)當(dāng)前無(wú)異常的部件則進(jìn)行故障趨勢(shì)預(yù)測(cè),若故障趨勢(shì)預(yù)測(cè)顯示近期將出現(xiàn)異常時(shí),則跟蹤其故障發(fā)展趨勢(shì)并預(yù)計(jì)部件的剩余使用壽命。最后利用所有故障診斷信息和預(yù)測(cè)信息進(jìn)行綜合分析,并結(jié)合維修保障資源和維修保障條件進(jìn)行維修決策。

圖3 基于數(shù)據(jù)挖掘的故障知識(shí)獲取流程圖Fig.3 Flow chart of fault knowledge acquisition based on data mining

圖4 基于故障診斷工作流程Fig.4 Work flow based on fault diagnosis

5 結(jié) 論

本文研究了基于數(shù)據(jù)挖掘技術(shù)的某型雷達(dá)裝備保障輔助決策系統(tǒng)。首先,分析了目前某型雷達(dá)裝備保障中存在的問(wèn)題,這些問(wèn)題嚴(yán)重制約裝備保障的效率和準(zhǔn)確性;然后,分析了數(shù)據(jù)挖掘作為先進(jìn)的技術(shù)手段可以服務(wù)于裝備保障的可能性;最后,基于數(shù)據(jù)挖掘技術(shù)搭建了某型雷達(dá)裝備保障的輔助決策系統(tǒng),并對(duì)其中的數(shù)據(jù)采集與轉(zhuǎn)換模塊、數(shù)據(jù)存儲(chǔ)模型、數(shù)據(jù)處理模塊、輔助決策四大功能模塊進(jìn)行了詳細(xì)的分析與設(shè)計(jì)。該系統(tǒng)能夠?yàn)闆Q策者提供裝備保障和使用所需的重要信息,對(duì)提高保障效率和準(zhǔn)確性,充分發(fā)揮裝備作戰(zhàn)效能具有極其重要的理論和現(xiàn)實(shí)意義。

[1] 張曉華,劉明云,王國(guó)師,等.基于AHP的天波雷達(dá)裝備維修保障能力評(píng)估[J].火力與指揮控制,2014,(12):15-16.

ZHANG Xiaohua,LIU Mingyun,WANG Guoshi,et al.The evaluation of skywave radar equipment maintenance support capability based on AHP[J].Fire and Command Control,2014,(12):15-16.

[2] 彭善國(guó),王希武,王寅龍,等.樸素貝葉斯及其在裝備保障能力評(píng)估中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件,2012,(6):222-224.

PENG Shanguo,WANG Xiwu,WANG Yinlong,et al.Naive Bayes and its application in the evaluation of equipment support capability[J].Computer application and software,2012,(6):222-224.

[3] 胡永峰,郭建勝,楊明,等.基于IDEF的裝備保障指揮輔助決策系統(tǒng)建模[J].空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,7(6):72-75.

HU Yongfeng,GUO Jiansheng,YANG Ming,et al.Modeling of equipment support command assistant decision system based on IDE[J].Journal of Air Force Engineering University(NATURAL SCIENCE EDITION),2006,7(6):72-75.

[4] 王瑛,侯朝禎,馮天飛.指揮自動(dòng)化輔助決策系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J].系統(tǒng)工程與電子技術(shù),2002,24(9):1-3.

WANG Ying,HOU Chaozhen,FENG Tianfei.Design and implementation of command automation assistant decision making system[J].Systems Engineering and Electronics,2002,24(9):1-3.

[5] 陳希軍,葉勇.基于.NET的裝備保障輔助決策系統(tǒng)(ESADS)的設(shè)計(jì)與實(shí)現(xiàn)[J].軍械工程學(xué)院學(xué)報(bào),2005,(3):1-4.

CHEN Xijun,YE Yong.Design and implementation of equipment support assistant decision making system based on.NET[J].Journal of Ordnance Engineering College,2005,(3):1-4.

[6] 陳玉明,吳克壽,李向軍.一種基于信息熵的異常數(shù)據(jù)挖掘算法[J].控制與決策,2013,28(6):867-872.

CHEN Yuming,WU Keshou,LI Xiangjun.An anomaly data mining algorithm based on information entropy[J].Control and Decision-making,2013,28(6):867-872.

Aided Decision System for Equipment Support on Some Type of Radar Based on Data Mining

LI Tian Ying, HU Dao Sheng

(Shangqiu medical college,Shangqiu 476100,China)

The research on the problem of aided decision system for equipment support for some type of radar was made based on data mining.The status of equipment support and the four problems restricting the equipment support were analyzed.The data mining technology is introduced briefly.An aided decision system and its modules for equipment support on some type of radar were built based on data mining,which is suitable for mining big data.The aided decision system can provide decision makers with important information needed by equipment support and usage, it also has significant meaning in improving the efficiency of equipment support and equipment employment.

equipment support; data mining; aided decision

李田英 女(1982-),河南商丘人,講師,主要研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)。

胡道生 男(1982-),江蘇沭陽(yáng)人,工程師,主要研究方向?yàn)檠b備保障。

TP 311

A