数据驱动的目标分析技术

从数据驱动的目标工作上看，决策者通常会在战争爆发前通过分析敌我情况，有针对性地选择打击目标，因此，“目标”的价值逐渐体现，作用愈发重要，目标分析工作的地位不断提高。本书提出了目标分析的目标跟踪、目标变化检测、行动预测等目标分析关键技术，对保障目标情报分析、全面认知目标，提升目标分析的效率和效果有重要意义，对发挥作战效能起到重要的支撑作用。

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孪生神经网络
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目标活动事件图谱构建
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