本文摘要：军事大数据泛指与弘大战场情况、庞大军事系统和军事宁静相关的弘大规模的领域数据集，以及与之精密相关的存储、处置惩罚、分析和运用等技术与军事应用的荟萃。自2012年起，美俄等国军队开始将大数据技术应用于军事领域，大数据驱动情报生成与决议支持等军事应用在科学性、有效性、精准性等方面的效果逐渐显现。 主要特性与现实逆境军事大数据具有超海量性、强领域性、泛多样性、广时空性及高演化性等特征。军事大数据的价值本质体现在：提供了一种认识军事庞大系统的新模式、新方法和新手段。

军事大数据泛指与弘大战场情况、庞大军事系统和军事宁静相关的弘大规模的领域数据集，以及与之精密相关的存储、处置惩罚、分析和运用等技术与军事应用的荟萃。自2012年起，美俄等国军队开始将大数据技术应用于军事领域，大数据驱动情报生成与决议支持等军事应用在科学性、有效性、精准性等方面的效果逐渐显现。

主要特性与现实逆境军事大数据具有超海量性、强领域性、泛多样性、广时空性及高演化性等特征。军事大数据的价值本质体现在：提供了一种认识军事庞大系统的新模式、新方法和新手段。通过对军事大数据生长具有引领作用的前沿科学问题、工程技术难题举行分析，世界各主要军事强国在军事大数据的基础理论方法研究、态势分析掘客等关键共性引领技术，大数据支撑下的军事知识图谱、超高速关键线索发现等焦点技术方面摆设了攻关项目，组织了应用性探索。

军事大数据现状与展望当前，军事大数据生长面临着突出的逆境。一是军事大数据基础理论还很是单薄。军事大数据的许多本质问题仍存在争议，例如：数据驱动与规则驱动、“关联”与“因果”关系、“全数据”的时空相对性、掘客模型的可解释性等。

此外，针对军事数据集和问题域专用解决方案的有效性理论问题也亟待解决。军事大数据理论和技术生长落伍于应用需要，大数据处置惩罚结论往往缺乏坚实的形式化验证和理论支撑。二是军事大数据高效、深度处置惩罚技术与现实需求的差距庞大。线索挖掘技术、深层情报掘客技术、关键目的超高速辨识技术、敏感数据分散技术、知识谱系分析技术、高效加密和压缩技术、跨层跨域存储技术、大数据智能处置惩罚算法等焦点技术的支持能力，还不能到达军事大数据应用的基本要求，技术提供与军事应用需求的差距很难在短期内解决。

三是军事大数据与精准作战数据混淆使用的难度庞大。军事大数据包罗开源大数据、情况大数据和传感器大数据，其花样繁多、存时和增量庞大，尤其是时空关系、颗粒怀抱的一致性治理很是难题，大数据与精准数据混淆运用难度极大。

四是庞杂、特殊的数据花样延时处置惩罚与实时应用的矛盾庞大。军事大数据的特定“加密-解密”重复转换花样使得读取和处置惩罚效率比力低，敏感态势和实时指挥关联大数据对盘算超载的解决特别难题，特别是深度应用盘算时延过大。

五是数据量出现爆炸式增长使充实存储和高速传输的难题庞大。各种全球性数据、太空传感器数据、军事系统发生数据、开源大数据的巨量增长，对军用的大规模P级存储中心和超大规模E级存储需求量的需求越发迫切。

军事大数据理论与技术体系组成基础理论与前沿技术云盘算、广互联、大数据、智能化相联合的“云联大智”，代表了军事领域信息技术生长新阶段的时代特征。其中，云盘算平台和网络广泛互联已成为基础性支撑情况，智能化技术动员了控制、盘算、处置惩罚、融合、自主能力的全面提升，大数据技术能够将辽阔信息数据举行深度掘客分析。将几个前沿信息技术举行深度联合运用，可以全面提升军事能力与战略优势。军事大数据理论是指与军事大数据研究相关的基础理论与基本方法的全新知识架构，主要包罗：军事大数据观点系统与体系架构，庞大性、不确定性特征形貌的形式化方法；处置惩罚异构大数据的统一框架、基本原理与方法，非结构化大数据的表征、盘算与明白；海量数据盘算的算法设计方法，海量数据治理的理论与算法等；大数据情况下知识智能获取方法与技术，大数据智能挖掘和大数据知识抽取框架，大数据知识和传统知识结构的逻辑关系等。

军事大数据的主要技术包罗以下5个方面内容。一是大数据云存储类技术。在通用漫衍式数据治理和文件治理等大数据治理技术基础上，凭据军事数据媒体形态的组成要素、媒体特性、会见纪律，设计适合文本、图片、遥感、点航迹、气象水文等数据的云存储治理技术（包罗应用软件、数据库软件、文件系统、磁盘治理的定制优化等），设计面向目的和事件的军事数据时空统一编码方法，提高多元数据治理和使用效率。

二是多元数据语义标注技术。针对量化分析需求，面向文本、图像等数据建设领域实体和事件语义标注技术体系框架，设计实现主要的实体语义标注算法和典型的事件语义尺度算法，实现高效准确的结构化信息提取。三是大数据综合处置惩罚技术。包罗针对文本、图片、音视频、遥感影像等数据的专用处置惩罚技术，跨媒体跨语言的信息识别处置惩罚技术以及基于大数据样本的聚类分类、统计、时序等基础数据分析技术，实现多元数据的整理、筛选、分类以及基本关系运算，为知识挖掘和业务问题分析奠基基础。

四是大数据分析挖掘技术。主要是使用知识挖掘、深度学习等基于大数据的智能技术，对处置惩罚后的数据举行纪律发现，基于历史纪律、样本统计纪律的模型构建和推演盘算等，支持问题分析研判。五是业务建模技术。

提供从数据到知识到实例的分析模型定制方法，支持计划、作战、情报、装备、训练、治理等业务领域问题建模，为业务推演奠基基础。典型军事大数据平台技术架构已有希望与显着成效近5年来，美军和主要军事强国的有关机构，如美国国防高级研究计划局（DARPA），支持了一批大数据研发项目：从科学论述中预知和明白、文本深度挖掘和过滤技术、战略相同中的社交媒体、多尺度异常检测、DAPRA开放目录、视觉媒体推理、大机理、隐性信息挖掘、心理学信号的检测和盘算分析、自动实时全方位监测、大型多维度数据集、任务保障的感知能力、大数据集处置惩罚使用与分析、全球定量分析、庞大情况下的性能优化项目、关键媒体取证项目等。

俄军自2016年启动研制战斗指挥信息系统，攻关了战场态势大数据智能分析技术，取得了很大希望。该系统于2019年底向团体军等单元配发。

本文关键词：E星体育官方网站入口,军事上,如何,应用,大,数据,美国,俄罗斯,军事

本文来源：E星体育官方网站入口-www.cn-siemens.com