基于双高斯过程回归的自适应评估建模方法

针对网络信息体系表现出的复杂、动态、涌现等特性，提出基于双高斯过程回归的自适应评估建模方法，通过指标相关性分析挖掘不同层级指标之间的连接关系，建立与评估数据相适应的评估指标体系，并基于双高斯过程回归模型训练自适应的评估模型，实现评估计算。实验证明，这种基于指标关系量化分析建立的评估指标体系以及通过训练学习得到的自适应评估模型能够很好地拟合评估指标之间客观存在的关联关系，更加逼近真实的评估模型，从而提高评估计算准确率。

网络信息体系是典型的复杂系统，其复杂特性主要表现在：① 网络信息体系的组分系统通过相互作用， 最终涌现出新的性质，实现体系能力跃升。

涌现是体系在结构、行为、状态上所表现出的创新性质， 是体系性质的一次相变， 即体系整体性状的改变， 而不是某个方面的简单变化。

② 网络信息体系是“活”的系统，对于外部或自身状态的变化具有适应性、可自组织。基于不同层面的规则或人因影响，网络信息体系在面临复杂情况时，能够在一定范围内进行自组织调整，从而动态适应纷繁多变的作战场景。

网络信息体系的这些特性决定了基于简单系统思想的理论方法将再不适合体系内在属性及外发表现的评估分析，使得现有方法手段难以满足日益复杂的体系准确、高效的评估分析需要。

本文面向网络信息体系评估分析亟需，提出基于双高斯过程回归的自适应评估建模方法，基于指标关系量化分析建立评估指标体系，通过双高斯过程回归训练学习得到自适应评估模型，正确描述评估指标之间的关系，更加逼近真实的评估模型，从而提高评估计算准确率。

2. 相关工作 常用的体系评估方法[1]包括数学解析法[2] [3] [4]、统计分析法[5] [6]、模拟仿真法[7] [8] [9]、综合评价法[10] [11] [12]等，这些方法尽可能真实地表述体系的评估过程，是面向“过程”的研究模式。随着人工智能、复杂网络理论、大数据分析等技术的兴起[13] [14] [15]，出现了兵棋推演[16] [17] [18] [19]、深度学习[20] [21] [22] [23]、复杂网络建模[24] [25] [26] [27]的体系评估方法。这些评估方法应用于装备体系效能评估、作战试验训练评估等典型业务场景，形成了大量成熟落地的研究成果。

随着网络信息体系建设的逐渐深入，体系的动态涌现等复杂特性日渐凸显，现有的评估理论和方法难以满足这种复杂巨系统的评估需求。一是传统树状的指标体系无法正确刻画体系组分之间的相互影响关系，二是简单的、静态的聚合模型无法满足复杂体系评估需求。尤其是针对小样本场景，基于深度学习等建模训练方法应用效果不佳。本文面向网络信息体系评估亟需，结合体系复杂特性，提出基于双高斯过程回归的自适应评估建模方法，建立与体系相适应的评估指标体系和评估模型，为体系评估提供一种可行的解决方案。

3. 自适应评估模型构建 3.1. 评估指标体系优化设计 评估指标体系优化设计是基于基础指标集，通过指标数据的相关性分析等手段实现网状指标体系设