李 元 謝小秋 謝永亮

（安徽省蚌埠市燕山路1454號(hào)五系 蚌埠 233012）

1 引言

近年來，我國(guó)海上安全形勢(shì)錯(cuò)綜復(fù)雜，特別是臺(tái)灣問題具有高度的不確定性，使得海上戰(zhàn)役行動(dòng)的發(fā)起具有很強(qiáng)的突然性和不可預(yù)見性，提高應(yīng)急任務(wù)保障能力越來越迫切。應(yīng)急任務(wù)一旦發(fā)生，就需要保證在第一時(shí)間將最需要的軍械物資送達(dá)現(xiàn)場(chǎng)。在應(yīng)急任務(wù)情況下，需要結(jié)合任務(wù)區(qū)域的軍械物資存量情況，對(duì)軍械物資需求進(jìn)行分級(jí)。應(yīng)急軍械物資需求分級(jí)的科學(xué)性直接決定著后續(xù)任務(wù)的組織實(shí)施和效果，在資源有限的情況下，這種分級(jí)的管理思想和方式極為重要。在對(duì)應(yīng)急軍械物資進(jìn)行合理分級(jí)后，就可以按照軍械物資的重要性（優(yōu)先級(jí)）采用不同的采購(gòu)和庫(kù)存策略，將應(yīng)急軍械物資及時(shí)運(yùn)送到任務(wù)地點(diǎn)，使得整個(gè)應(yīng)急任務(wù)能夠有條不紊、有重點(diǎn)的實(shí)施。

由于應(yīng)急任務(wù)具有非例行性，一次應(yīng)急事件中軍械物資的級(jí)別很難再應(yīng)用于另一次應(yīng)急事件的處理，而且評(píng)估指標(biāo)上的數(shù)據(jù)也很難采集到。值得注意的是，目前還沒有一種綜合的評(píng)判指標(biāo)或評(píng)價(jià)模型能解決應(yīng)急軍械物資需求分級(jí)問題。從目前分級(jí)研究的現(xiàn)狀來看，通常是依靠決策人員直覺和經(jīng)驗(yàn)來確定軍械物資的級(jí)別，具有較強(qiáng)的主觀性和隨意性，不能全面、客觀地反映所需軍械物資的級(jí)別特征。因此，迫切需要根據(jù)應(yīng)急軍械物資需求的特點(diǎn)，建立適用于應(yīng)急軍械物資的分級(jí)模型，輔助決策人員對(duì)應(yīng)急軍械物資進(jìn)行科學(xué)分級(jí)。

基于統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展起來的支持向量機(jī)是處理分級(jí)問題的有效方法，它克服了傳統(tǒng)機(jī)器學(xué)習(xí)的弊端，通過對(duì)學(xué)習(xí)機(jī)器復(fù)雜性的約束來控制其推廣能力，從而表現(xiàn)出了極高的泛化能力。具有后驗(yàn)概率輸出的分類器在實(shí)際應(yīng)用時(shí)是非常重要的，它有利于分級(jí)過程后續(xù)的處理。本文首次嘗試?yán)煤篁?yàn)概率支持向量機(jī)（PPSVM）建立應(yīng)急軍械物資分級(jí)模型，通過實(shí)驗(yàn)說明了模型的可信性和科學(xué)性，為在智能決策系統(tǒng)中實(shí)現(xiàn)對(duì)應(yīng)急軍械物資需求智能分級(jí)提供了有效方法以及模型依據(jù)。

2 支持向量機(jī)分類器的概率輸出模型

Platt提出的可輸出后驗(yàn)概率的支持向量機(jī)在實(shí)際應(yīng)用中取得了很好的效果，但此方法只能處理二類分類問題，不能直接應(yīng)用于多分類問題。在Platt的二類別支持向量機(jī)概率輸出模型的基礎(chǔ)上，結(jié)合Hastie和Tibshirani提出的逐對(duì)耦合（Pairwise Coupling）思想解決多類別支持向量機(jī)的后驗(yàn)概率輸出問題，提出一種基于具有后驗(yàn)概率的支持向量機(jī)多類別分類方法，在此基礎(chǔ)上將PPSVM用于對(duì)應(yīng)急軍械物資需求分級(jí)決策中，建立PPSVM應(yīng)急軍械物資分級(jí)模型［1］。

首先利用一對(duì)一方法對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，假定對(duì)于每一個(gè)兩類問題i≠j訓(xùn)練樣本數(shù)目為nij。各個(gè)兩類支持向量機(jī)訓(xùn)練完畢后，由Platt提出的方法可得到每一個(gè)兩類問題的概率輸出模型rij＝p（i｜i or j）。

2）重復(fù)如下過程（i＝1，2，…，K，1…）直至收斂；

3 基于PPSVM的應(yīng)急軍械物資分級(jí)方法

在應(yīng)急管理過程中，由于對(duì)應(yīng)急事件應(yīng)對(duì)的方式不同，以及應(yīng)急事件性質(zhì)的變化，應(yīng)急軍械物資的級(jí)別也在發(fā)生著變化。本文把軍械物資的重要性、時(shí)效性和缺口程度三個(gè)因素作為軍械物資需求分級(jí)的評(píng)價(jià)標(biāo)準(zhǔn)，輸入采用自然語(yǔ)言描述應(yīng)急軍械物資的重要性、時(shí)效性和缺口程度，然后將這些輸入指標(biāo)模糊化，將所對(duì)應(yīng)的評(píng)價(jià)值作為PPSVM的輸入，通過學(xué)習(xí)和訓(xùn)練，得到PPSVM的軍械物資分級(jí)模型，最后得到對(duì)應(yīng)的分級(jí)結(jié)果。

在對(duì)軍械物資需求級(jí)別的評(píng)價(jià)集中，采用與模糊輸入相同的方法使用模糊集來定義輸出集合。特別指出的是，目前對(duì)應(yīng)急軍械物資需求的級(jí)別并沒有一個(gè)權(quán)威、法定的分級(jí)標(biāo)準(zhǔn)。本文把軍械物資需求分為三級(jí)，級(jí)別從高到低依次為特急需求（Ⅰ）、緊急需求（Ⅱ）、較急需求（Ⅲ）。

從上面對(duì)影響應(yīng)急軍械物資級(jí)別關(guān)鍵因素的分析和人們對(duì)該類問題的描述可以看出，這三個(gè)指標(biāo)都具有一定的模糊性，是一類典型的模糊語(yǔ)言。因此，需要借助于模糊數(shù)學(xué)的相關(guān)方法，對(duì)這三個(gè)指標(biāo)進(jìn)行模糊化［4］。

結(jié)合該領(lǐng)域?qū)＜业慕?jīng)驗(yàn)，可分別建立隸屬度函數(shù)，橫坐標(biāo)的數(shù)值范圍從0～10，對(duì)應(yīng)某一輸入的評(píng)價(jià)值，可以通過對(duì)應(yīng)的隸屬度函數(shù)圖，獲得相應(yīng)評(píng)價(jià)值的隸屬度。軍械物資的缺口度，可以通過軍械物資的需要量與存量進(jìn)行定量比較計(jì)算出來，然后把它們換算到0～10區(qū)間上，軍械物資的時(shí)效性和軍械物資的重要程度可以根據(jù)管理人員的經(jīng)驗(yàn)和判斷定性估計(jì)出來。

表1 部分樣本數(shù)據(jù)

4 實(shí)驗(yàn)結(jié)果與分析

影響應(yīng)急軍械物資分級(jí)的因素有三個(gè)：軍械物資重要性，軍械物資的時(shí)效性，軍械物資的缺口度，因而PPSVM的輸入層有三個(gè)節(jié)點(diǎn)，分別對(duì)應(yīng)這三個(gè)特征參數(shù)。選取32組樣本數(shù)據(jù)，其中17（15）組樣本數(shù)據(jù)用來訓(xùn)練PPS－VM，余下的樣本數(shù)據(jù)用來測(cè)試PPSVM。PPSVM的輸出為分級(jí)模式數(shù)，這里的分級(jí)模式為三種，分別是特急需求（Ⅰ）、緊急需求（Ⅱ）、較急需求（Ⅲ）。

表2 樣本分級(jí)測(cè)試結(jié)果Ⅰ

表3 樣本分級(jí)測(cè)試結(jié)果Ⅱ

把兩次訓(xùn)練測(cè)試的結(jié)果綜合起來，通過計(jì)算得到分級(jí)總精度為95.86%，這說明基于PPSVM的網(wǎng)絡(luò)仿真輸出效果好，具有精確的分級(jí)識(shí)別能力。

5 結(jié)語(yǔ)

本文提出一種基于后驗(yàn)概率支持向量機(jī)的應(yīng)急軍械物資分級(jí)方法，建立多分類支持向量機(jī)的概率輸出模型，然后通過選擇后驗(yàn)概率最大的類別號(hào)作為測(cè)試樣本的類別輸出來完成整個(gè)分級(jí)過程，由三個(gè)分級(jí)影響指標(biāo)作為輸入向量，直接輸出劃分的級(jí)別。實(shí)驗(yàn)結(jié)果表明：將后驗(yàn)概率引入到標(biāo)準(zhǔn)支持向量機(jī)，會(huì)擴(kuò)大支持向量機(jī)的應(yīng)用范圍；將PPSVM引入到應(yīng)急軍械物資分級(jí)建模中是可行而且有效的，能夠很好地解決應(yīng)急軍械物資的分級(jí)問題。

［1］郭瑞鵬.應(yīng)急物資動(dòng)員決策的方法與模型研究［D］.北京：北京理工大學(xué)，2006：187－189

［2］Wu T F，Lin C J，Weng R C.Probability estimates for multi—class classification by pairwise coupling［J］.Journal of Machine Learning Research，2004，5：975－1005.

［3］李建民，張拔，林福宗.支持向量機(jī)的訓(xùn)練算法［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2003：43－44.

［4］沈沛龍.上市公司財(cái)務(wù)風(fēng)險(xiǎn)分析與信用評(píng)級(jí)［J］.中國(guó)流通經(jīng)濟(jì)，2006（12）：57－60.

［5］潘峰，程浩忠.基于RBF核函數(shù)的SVM方法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用［J］.供用電，2006（1）：16－18.