ОБ ИСПОЛЬЗОВАНИИ ТЕОРИИ СХОДСТВА ДЛЯ ОЦЕНКИ ДИНАМИКИ СКОПЛЕНИЙ ОБЪЕКТОВ ИНТЕРЕСА НА МЕСТНОСТИ
Аннотация
Опыт современных боевых действий инициировал высокую актуальность задач оценки
динамики изменения во времени характеристик групп (скоплений) объектов интереса на мест-
ности с воздуха. Активное развитие беспилотной авиации, в том числе в составе групп, пред-
ставляет новые возможности периодического мониторинга местности с решением задач об-
наружения и распознавания скоплений объектов интереса в динамике. В статье проведен ана-
лиз возможности использования теории сходства для решения задач оценки сходства видов
вооружений, военной и специальной техники по характеру распределения в различных скоплени-
ях, в том числе в различных геофизических условиях. Показано, что динамика объектов может
быть установлена регулярным мониторингом местности с определением для скоплений различ-
ных мер сходства и различия. При этом доказана применимость хорошо себя зарекомендовав-
ших статистических методов исследования биоразнообразия, разработанных в биологии для
оценки разнообразия популяций, их сложности, схожести, взаимоотношений и др. Приведены
характеристики видового разнообразия важнейших детерминированных скоплений войск и
техники стран НАТО. Работоспособность предлагаемого подхода продемонстрирована на
примере воздушной разведки условного района с распознаванием динамики пяти видов скопле-
ний, включающих различные типы ВВСТ, личного состава и средств инженерного оборудова-
ния. Даны общие рекомендации по проведению соответствующих оценок и принятию решений.
Рекомендованы к применению следующие основные меры сходства: коэффициенты сходства
Жаккара – для определения меры сходства скоплений по входящим в их состав видам образцов
ВВСТ (автомобилей, танков, орудий, бронемашин и др.); индекс Маргалефа для определения
количества видов ВВСТ в общем количестве объектов ВВСТ в скоплении; обобщенная мера
разнообразия по Шеннону – для оценки разнообразия видов в скоплении; индекс доминирования
Симпсона – для определения доминирующего вида ВВСТ в скоплении; коэффициент Серенсена-
Чекановского – для определения степени встречаемости выбранного вида образцов ВВСТ в
скоплении. Полученные результаты целесообразно использовать в многокритериальных задачах
предполетного и оперативного планирования групповых действий беспилотных летательных
аппаратов в интересах мониторинга контролируемой территории с учетом требуемого гра-
фика получения достоверной информации
Литература
Operations Strategos, 2023, Vol. 7 (1), pp. 71-92.
2. Ozhegov S.I. Tolkovyy slovar' russkogo yazyka [Explanatory dictionary of the Russian language].
Moscow: AST, 2017, 320 p.
3. Perinetti G. Choosing statistical test when dealing with differences, South European Journal of
Orthodontics and Dentofacial Research, 2016, Vol. 3 (1), pp. 4-5. DOI: 10.5937/sejodr3-1264.
4. Eremeev E.A. Matematicheskie metody v faunisticheskikh issledovaniyakh. Metodicheskoe
posobie [Mathematical methods in faunal studies. Toolkit]. Biysk: Biya, 2020, 67 p.
5. Shaykhutdinova A.A. Metody otsenki bioraznoobraziya: metodicheskie ukazaniya [Methods
for assessing biodiversity: guidelines]. Orenburg: OGU, 2019, 37 p.
6. Leont'ev D.V. Floristicheskiy analiz v mikologii: uchebnik dlya studentov vysshikh uchebnykh
zavedeniy [Floristic analysis in mycology: a textbook for students of higher educational institutions].
Khar'kov, 2008, 110 p.
7. Кumphakarm R. Statistical Methods for Biodiversity Assessment: Doctor of Philosophy Thesis.
School of Mathematics, Statistics and Actuarial Science University of Kent, 2016.
Available at: https://kar.kent.ac.uk/60557/1/81thesis.pdf.
8. McCloud G. What are clusters in the military? Available at: https://thegunzone.com/what-areclusters-
in-the-military/.
9. Kabanchenko A.M. Osnovy boevogo primeneniya podrazdeleniy chastey i soedineniy
inostrannykh armiy (na primerakh armiy SShA i FRG): ucheb. posobie [Fundamentals of the
combat use of units of units and formations of foreign armies (using the examples of the US
and German armies): tutorial]. Moscow: MGIMO, 2018, 202 p.
10. Grover N. A study of various Fuzzy Clustering Algorithms, International Journal of Engineering
Research, 2014, Vol. No. 3, Issue No. 3, pp. 177-181.
11. Kadyrov A.L., Vakhobov A.A. Opredelenie mery blizosti zadach upravleniya [Determination of
the measure of proximity of control tasks], Vestnik TGUPBP [Bulletin of TSUPBP], 2009,
No. 4 (40), pp. 86-91.
12. Obukhova N.A. Obnaruzhenie i soprovozhdenie dvizhushchikhsya ob"ektov [Detection and
tracking of moving objects], Informatsionno-upravlyayushchie sistemy [Information and control
systems], 2004, No. 1, pp. 30-37.
13. Kolesnikova S.I. Metody raspoznavaniya sostoyaniy dinamicheskikh sistem [Methods for recognizing
states of dynamic systems], Izvestiya Tomskogo politekhnicheskogo universiteta
[Bulletin of the Tomsk Polytechnic University], 2010, Vol. 316, No. 5, pp. 55-62.
14. Uzdin D.Z. Mery blizosti, funktsii sostoyaniy i reshayushchie pravila v teorii raspoznavaniya
sostoyaniy (statisticheskoy klassifikatsii) [Proximity measures, state functions and decision
rules in the theory of state recognition (statistical classification)]. 2nd ed. Moscow: MAKS
Press, 2016, 126 p.
15. Favorskaya M.V. Modeli i metody raspoznavaniya dinamicheskikh obrazov na osnove
prostranstvenno-vremennogo analiza posledovatel'nostey izobrazheniy: avtoref. diss. … d-ra
tekhn. nauk, 2011 [Models and methods for recognizing dynamic images based on spatiotemporal
analysis of image sequences: abstract dr. eng. sc. diss.]. Available at:
https://www.dissercat.com/content/modeli-i-metody-raspoznavaniya-dinamicheskikh-obrazovna-
osnove-prostranstvenno-vremennogo-a (accessed 2 April 2023).
16. Vasil'ev V.A., Fedyunin P.A., Manin V.A., Vasil'ev A.V. Kontseptual'naya otsenka
razvedyvatel'nogo obespecheniya udarnykh deystviy aviatsii [Conceptual assessment of reconnaissance
support for aviation strike operations], Vozdushno-kosmicheskie sily. Teoriya i
praktika [Aerospace Forces. Theory and practice], 2020, No. 14, pp. 41-53.
17. Verba V.S., Merkulov V.I., Chernov V.S. Informatsionnye sistemy aviatsionnykh kompleksov
takticheskoy vozdushnoy razvedki SShA [Information systems of US tactical air reconnaissance
aircraft], Uspekhi sovremennoy radioelektroniki [Advances in modern radio electronics],
2020, Vol. 74, No. 2, pp. 5-21.
18. Goncharenko V.I., Zheltov S.Yu., Knyaz' G.N., Lebedev D.A., Mikhaylin O.Yu., TSareva O.Yu.
Intellektual'naya sistema planirovaniya gruppovykh deystviy bespilotnykh letatel'nykh apparatov pri
nablyudenii nazemnykh mobil'nykh ob"ektov na zadannoy territorii [Intelligent system for planning
group actions of unmanned aerial vehicles when observing ground mobile objects in a given territory],
Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy upravleniya [Proceedings of the Russian
Academy of Sciences. Theory and control systems], 2021, No. 3, pp. 39-56.
19. Savinkova S.A. Razrabotka metoda otslezhivaniya peremeshcheniy ob"ektov [Development of
a method for tracking the movement of objects], Vestnik sovremennykh issledovaniy [Bulletin
of modern research], 2021, No. 1-6 (39), pp. 28-36.
20. Zhang J., Shao L., Zhang L., Jones G. Intelligent video event analysis and understanding, Studies
in Computational Intelligence. Berlin, Germany: Springer, 2010, Vol. 332. DOI:
10.1007/978-3-642-17554-1.
21. Abrosimov V.K., Nikonorov V.I. Metodika razmetki dannykh o kompaktnykh skopleniyakh
ob"ektov interesa v zadachakh mashinnogo obucheniya [Methodology for marking data on
compact clusters of objects of interest in machine learning problems], Polet [Polet], 2022, No.
10, pp. 21-28.
22. Mehtap Erguven Influences of Measurement Theory on Statistical Analysis & Stevens’ Scales
of Measurement, Journal of Technical Science and Technologies, 2014, Vol. 2, Issue 1. DOI:
https://doi.org/10.31578/.v2i1.52.
