大数据挖掘技术在军事领域中的应用研究

摘要

军事训练需要针对敌情进行模拟实战训练，并通过实人、实物、实时、实地、实情、实作和对抗方式进行刻苦训练达到超敌胜敌的目标。世界各国为了使部队官兵在训练的过程中，获得近似于战场的经验以适应未来作战的需要，都积极的在规划相关军事训练计划中大力推进信息技术的应用。随着各种高精尖武器系统和信息化战争的需要，各个兵种都加大了信息技术在辅助军事教育训练中的使用，如虚拟现实技术，大数据技术等。通过大数据的数据挖掘和分析能力，可以有效的提升训练的目的性和可靠性，极大的提高军事训练的效率和效果。
本研究以大数据技术导入军事教育训练的研究，借由大数据技术来发展与建构相关模拟训练器，并参照我国大数据训练为例，将决策树分析技术结合我军现行教育训练之中，以提升教育训练品质与强化学习动机。鉴此，我军也因应时代潮流趋势，积极推动以训练模拟器辅助训练，在安全无虞及降低训练成本下，获致良好的效果，落实训练工作。

关键词：大数据、军事训练、决策树

1 引言

二十一世纪以来，电脑、平板、手机、网络的重度使用成为现代社会的普遍现象，人们的工作与生活进入生产数据与消费数据的快速循环，数字世界的疆域不断扩大，成为各种社会行为的重要虚拟空间^[1]。在可预见的未来，数字世界将与实体世界共同演化，数据的涵盖率与渗透率也将持续提升。数据为建构数字世界的基本元素，数据不仅是重要的无形资产，更是竞争力的来源。因此，如何掌握数据与善用数据成为具有高度共识的关键议题。近几年，大数据成为一个热门而受到关注的名词，许多大数据的创新应用，引起社会各界的兴趣与重视。例如，Google 曾经推出Google Flu Trends，以大量网络检索记录数据的分析，监测或预测某一人口地区是否出现流行性感冒扩散的现象，预期能比政府部门通过各地医疗单位回报整合的数据，更快速而且及时的掌握公共卫生状态。Facebook于2007 年至 2012 年之间推出myPersonality应用，依据使用者填写的问卷及其在脸书账户上表现出的喜好行为，再通过数百万使用者数据的交叉分析，提供个人性格特质评价的服务。大量数据的无所不在宛如无形的数字矿产，等待适当工具的开采与挖掘，创意想法的提炼与运用，未来想象充满了丰富的可能。大数据是一个抽象概念，象征着人类社会发展已经进入到一个数据无所不在、各种行为全面记录的时代^[2]。各专业领域及生活层面的庞大数据不断生产累积，再加上功能持续提升的信息设备及日益精进的数据计算分析技术，大数据让我们开始能以全面、宏观、长期等角度去看待事物，从中解读出规律或型态，而能预测未来、改善决策品质。大数据俨然成为创新的重要来源，不仅带来重大的经济价值，也将改变人们的生活、工作与思考方式。大数据被视为企业组织改造提升、创新发展、开创利益的重要途径，部分国家政府也启动大数据应用计划，目标领域包括医疗照护、自然灾害防护、国土安全防卫等。大数据成为一个新时代的竞逐场域，从个人、组织到国家，都将是未来技术发展的利害关系人，都必须重视、掌握、运用大数据的能力。

本文介绍大数据基本概念与主要分析技术，回溯数据计算与军事训练领域发展的趋势脉络，呈现军事训练领域研究在数据内容性质、分析方法、探索发现层面的多元样貌。基于这些基础，本文论述大数据与决策树算法为军事训练研究所带来的重要含义，总结该领域研究展望。

2 决策树算法简介

2.1 决策树概念

数据挖掘是一个跨领域的一门知识，它是用机器学习、统计学和数据库的交叉方法在相对较大型的数据集(data set)中发现模式(Pattern)的过程。决策树算法的过程非常类似建立树的过程，是通过递归分割（Recursive Partitioning）建立而成，递归分割是一种把数据分割成不同小的部分的迭代过程。这些算法会找出所有可能的分辨问题，将原始训练数据集分成跟不同预测类别比起来几乎同质的区隔。有些决策树算法可能会用试探的方式来筛选过滤问题，或者是以随机的方式。CART的检选方式并不复杂将数据分成两个较有组织的部分，然后各自询问这两个部分所有可能的问题，然后获取到最好的一个结果。

2.2 决策树算法过程

决策树属于大数数据挖掘（Data Mining）的监督式机器学习的技术之一，用来处理分类问题的树状结构，将样本数据分为训练数据与测试数据，以进行树状模型的建构，而构成决策树的元素包含中间节点（non-leafnodes）、分支（branches）以及叶节点（leaf nodes），利用不同的算法计算节点的分类条件，而最后叶节点即代表分类结果。决策树分为三种，一为分类树，其预测结果可能为离散类型；二为回归树分析，其预测结果可为连续型的实数；最后为Breiman, Friedman, Olshen, and Stone（1984）提出的CART（Classification and Regression Tree），结合了以上两种模型。决策树因其功能强大、性能优良而深受喜爱，是常用的分类、预测工具，是以树状图为基础的决策模型。决策树具有规则，此规则可以用文字表述，抑或是转化为数据库语言，让使用者可以搜索特定类别的数据。

一笔数据首先从根部节点开始进入决策树，至于下一步到底进入哪一层的哪一个子节点则是通过一项测验来决定。测验算法的选择可以有所不同，但目的相同，通过不断重复该过程，使数据最后都到达叶子节点。如图2-1，根部到每个叶节点都有一条特别的路径，这个路径是测验分类数据规则的体现

图2-1 决策树算法过程

............略............

4 总结

在现今数字世界中的数据计算与大数据框架下，许多现象与行为成为可以被广泛记录观察，语言文字也被转化为可供计算分析的数据，个人的生活样貌及人群之间的互动更是丰富的、包覆式的展现并保存于各项社交工具平台，军事训练的知识体系正面临铺天盖地的数字浪潮冲击，挑战了传统的数据认知与研究方法，但也带来巨大的、等待开发的潜能，并将启动新世代的研究典范转移。本文基于作者个人的有限研究经验，并且以信息技术为主的角度，尝试归纳出大数据与决策树分析为军事训练研究所带来意义和作用。

参考文献

原创论文网

论文分类

| 论文推荐