分布式航迹融合系统评价指标体系优化
0 引言
数据融合技术越来越多地应用于包括C4ISR系统和各种武器平台在内的军事领域和许多民事领域[1]。但是对融合算法和系统性能的研究成果和应用效果的评估国内外研究都比较欠缺，主要原因是多传感器信息融合的处理过程是多层次多级别的，融合系统所汇集和处理的信息种类繁多，信息源之间关系复杂，使得客观、公正地评估融合系统成为该领域研究的重点和难点[2]。
图书摇滚抽奖是结合大数据分析系统资源推荐功能优势，读者只要简单的“摇一摇”便可以参与抽奖。玩法：抽奖大屏页面上显示一、二、三等奖分别是哪几本书及其馆藏位置(这几本书可以是比较冷门的书)，然后读者摇一摇手机，系统推出一本书，系统自动识别这本书是否中奖没。如果该书没有中奖，语言可以是：猜你喜欢这本书哦，所以我主动来找你了，我在2楼i区，索书号为…如果该书中奖了：恭喜您，选中了我，我在…
目前针对分布式航迹融合系统的性能评估，虽然已有一些理论、方法研究及成果，但是针对不同的融合系统提出了不同的指标体系以及不同的评估系统，即使同一级别或层次，也有不同的评估度量指标，尚未形成一套标准的分布式航迹融合系统性能评价指标体系[3]。并且在目标跟踪与数据融合时可能出现虚警、丢点等情况，使得融合数据与真值数据无法一一对应[4]，常用的精度指标位置均方根误差(position root mean square error, PRMSE)、速度误差、航向误差[5]等无法正确评价融合精度，需要提出新的精度指标对系统进行评估。
农村土地确权的完成对新城镇化的影响是多方面的，既可以保障农民的利益，也是推进城镇化发展的前提。农民可以对自己的农村土地权益进行有效的保护，农村土地能够实现更加有效的规模化、集中化经营，为改善农民的实际生活水平以及促进城镇化进一步发展打下了基础。只有农村土地确权完成，土地资源才能充分实现市场化，从而促进流转收益的长期化。可以确定的是，农村土地确权是新时期下为了促进农村发展以及经济整体发展采取的措施，对城镇化有着不可忽视的影响。
针对目前分布式航迹融合系统尚未形成一套标准的性能评价指标体系，以及常用精度指标存在的问题，对分布式航迹融合系统评价指标体系进行优化。
1 粗糙集理论
粗糙集理论是一种处理不精确、不确定和模糊知识的软计算工具[6-7]。本文采用粗糙集理论对初步构建的指标体系其进行约简优化，剔除冗余指标，并确定指标权重。下面简单介绍一下粗糙集理论、基于粗糙集等价关系的指标筛选模型以及属性重要性计算。
1.1 粗糙集属性约简理论
知识约简(knowledge reduction)是粗糙集理论的核心问题之一。所谓知识约简，就是在保持知识库分类能力不变的条件下，删除其中不相关或不重要的信息，包括属性约简和对象约简(或规则约简)，以使知识表示简化，下面介绍一下属性约简的基本概念。
1) 近似域
定义1 粗糙集就是论域U上的一个等价关系R，∀A⊆U，A的上、下近似集分别为：
(1)
(2)
下近似
为根据现有知识R，论域U中所有肯定属于集合X的对象所组成的集合，PosR(X)=
为X的R的正域；上近似为根据现有知识R，论域U中一定属于和可能属于集合X的对象所组成的结合。其中[x]R表示等价关系R下包含元素x的等价类。边界域为
即根据知识R，论域U中既不是肯定属于集合X，又不能肯定属于集合～X的元素构成的集合。
2) 知识表达系统
定义2 知识表达系统，可以被看为一个关系数据表，它的形式化定义为：S=〈U,C,D,V,f〉，其中U为论域，C为条件属性，D为决策属性，C∪D=R是属性集合(等价关系集合)，V=∪a∈AVa是全体属性集的集合，Va表示了属性a∈A的值域，f: U×A→V是一个映射，它指定U中的每个对象x的属性值，则这种数据表为称为知识表达系统。
经济发展日渐迅速，这样的背景之下技术给该金融业的发展带来了巨大的变化。因为技术对金融创新来说是最基本的前提，也是最重要的辅助力量，技术越先进金融发展越快，由此创新保证了金融工具的发展，使得一些金融机构不断涌现。技术成熟的国家金融机构由市场来主导，技术不成熟的国家金融由银行来主导。另外技术的进步也促进了人们对于技术的接受能力，使得需求不断上升，由此促进该结构的演变。最后因为技术发展需要进行不断创新，但是创新本身的风险比较高，而这种风险一般银行是无法进行承担的，所以这就促进该结构不断向市场主导的方向发展。
3) 不可分辨关系
定义3 设S=〈U,A〉为一信息表，B⊆A，定义B在U上的不可分辨关系(等价关系)IND(B)为:
(3)
4) 知识约简
定义4 知识约简：对于给定的信息系统S和S中的一个等价关系族P⊆S，∀R∈P，若IND(P)=IND(P-{R})成立，则称R为P中不必要的，否则就是必要的。
1.2 基于粗糙集等价关系的指标筛选模型
根据指标体系的每一个指标，可以对评价对象进行一种划分，将评价对象划分为多个等价类，或根据多个指标所构成的指标集，得到一个等价关系。如式(3)所示，IND(R)即代表对应着指标集R的等价关系，对于
即等价关系IND(R)为所有其子集的等价关系的交集。
假定R是一个等价关系族，r∈R，若IND(R)=IND(R-{r})，则称r在指标集R中可被约去，为冗余指标，否则r为指标集R中绝对必要的，不可约去。若对于∀r∈R都是不可约去的，则称R是独立的等价关系族。若P=R-{r}是独立的，则P是R的一个约简，记为RED(R)。
基于粗糙集等价关系的指标筛选模型如下所示：
三是城区防洪能力明显提高。聊城按照“以人为本、民生优先”的原则，大力实施了兼具景观、防洪双重功能的徒骇河城区段综合开发和莲湖扩挖两大工程，有效提升了城区河道的防洪能力，城市防洪标准由过去的25年一遇提高到现在的50年一遇，确保了防洪安全。
步骤1 记指标体系为C={ai}，i=1,2,…,m，求IND(C)；
步骤2 对i=1,2,…,m，依次求IND(C-{ai})；
步骤3 若IND(C-{ai})=IND(C)，则ai为指标体系C中可以约简的冗余指标；否则ai为不可约去的必要指标；
步骤4 得到筛选后的指标体系为RED(C)={ak|ak∈C,IND(C-{ak})≠INC(C)}。
1.3 属性重要性计算
粗糙集中属性重要性是指去掉某个指标后对系统分类情况的影响大小，反映了各个指标对整个指标体系的重要性，因此根据属性重要性可以得到指标权重。若去掉该属性相应的分类变化比较大，则说明该属性的重要性高，即指标权重大；反之，说明属性的重要性低，即指标权重小[7]。
假定一个信息系统为S=(U,A,V,f)，P⊆A，U/IND(P)={x1,x2,…,xn}，知识P的信息量为：
今后应加强水利信息化建设。一方面要与有实力且熟悉水利行业特点的企业共同进行研发建设，另一方面还要培养大批专业技术与信息技术相结合的高素质复合型人才。建设一支对水利专业、信息化建设都具有较为深切理解的人才队伍，不仅利于水利普查各项工作的完成，更利于全县水利工作再上一个新台阶。
(4)
式(4)中，|Xi|为Xi元素个数。指标体系中不同指标所反映的信息量的大小不同，则指标r∈R在指标体系R中的重要性为：
SigR-{r}(r)=I(R)-I(R-{r})
(5)
由式(5)可以看出，由R删除r之后所引起的信息量变化的大小来表示指标r在指标体系R中的重要性。由此可得，若R={r1,r2,…,rn}，则指标r∈R的权重为：
(6)
通过粗糙集属性重要性得出的指标权重是以实验数据为依据，对数据本身进行挖掘，从而找出事物间的内在规律，与层次分析法或专家凭经验得出的权重相比，粗糙集属性重要性得出的权重更具有客观性，提高了评价结果的真实性。
2 指标体系构建
融合系统评估整体状况的客观反映构成了指标体系，在进行融合系统性能评估时，依据不同的评估对象和评估目的，建立评价指标体系，体系是否科学合理，决定了评估工作成功与否[8]。
目前构建的指标体系基本是基于专家咨询或历史经验等方法，从不同研究角度建立相应的指标体系，并没有理论方法去指导设计指标体系，但大都依据全面性、客观性、独立性、层次性等原则。构建指标体系的步骤如图1所示。
本文通过分析评估对象，发现常用评价指标存在的问题，对指标进行优化，提出新的指标，并根据已有文献中指标体系整理总结初步构建指标体系，然后基于粗糙集属性约简理论对指标体系进行筛选优化，最终构建一套较为完整、合理的分布式航迹融合指标体系。
图1 构建指标体系流程
Fig.1 Build an indicator system process
2.1 精度指标优化
2.1.1 问题描述
常用的航迹融合精度指标基本包括位置误差、速度误差、航向误差等，计算方法基本是通过融合估计状态与真值状态进行比较，求得均方根误差。当目标状态一一对应时，PRMSE指标可以精确地反映融合系统的位置精度误差，但是在目标跟踪和数据融合时，由于环境变化、噪声干扰等问题容易出现虚警、漏警、丢点和野值的情况，并且由于跟踪中断和雷达重新编批的情况，此时融合估计状态与真值状态很难一一对应，无法使用传统的计算方法计算精度问题，常用的精度指标便不能正常评价融合系统的性能，需要对精度指标进行改进，使得新精度指标可以在任何情况下正确评价融合系统的精度问题。
当目标跟踪估计位置和真实位置不能一一对应时，将融合估计结果和真实目标状态看成两个集合进行测量，通过测量两个集合之间的差异来反映融合结果与真值之间的精度误差，不仅考虑距离误差，还考虑集合之间的势误差。测量集合距离的Hausdorff距离和Wasserstein距离[9]虽然可以度量两个集合之间的差异，但是前者对集合势误差不敏感，后者对集合势误差过于敏感。文献[10]提出的最优子模型分配距离(optimal subpattern assignment, OSPA)有效地弥补了两者缺点，但是经过实践研究发现OSPA距离也存在一定的局限性：若一个集合为空集时，另一个集合为非空集时，OSPA计算距离无法区分不同非空集合之间的不同；若两个集合距离误差为0，但集合势不同，当max(m,n)→
时，OSPA距离为0，不能正确评价结果；对于虚警和漏警OSPA距离惩罚是不一样的。
针对OSPA距离存在的局限性，文献[11—12]提出了最佳基数线性分配(cardinalized optimal linear assignment，COLA)度量标准，有效解决了OSPA度量标准的局限性，并证明了其有效性。但将COLA度量标准作为精度指标还面临一个问题，由于截止距离的存在，COLA指标中的距离误差总小于或等于1，无法正常评价距离误差，本文对其做一定的改进，将改进后的度量标准作为精度指标评价，可以有效评价融合系统的精度问题。
2.1.2 精度指标改进
假设真实状态估计和融合状态估计两个集合分别为X={x1,x2,…,xm}和Y={y1,y2,…,yn}，则这两个集合之间的COLA距离定义为[11-12]：
若n≥m，则:
(7)
若n≤m，则:
(8)
式(7)、式(8)中，
表示x、y之间的基本距离；c为截断距离，即当x、y之间距离大于c时，取d(c)(x,y)=c；∏n代表从序列集合{1,2,…,n}中选取m个元素的所有排列组合；
表示在所有组合配对中取距离误差最小的组合。p和c都是距离敏感性参数，取值通常为1≤p≤
，c>0，两个参数配合可用来调整两个集合之间距离误差和势误差之间的权重。
COLA度量标准有效弥补了OSPA距离作为评价指标的不足之处：
1) 若一个集合为空集时，另一个集合为非空集，元素个数为n时，COLA计算距离为n1/p，可以有效测量不同非空集合的势误差；
本题是培养学生转化能力的极佳素材，虽然条件一读就懂、图形一看就明，但一做却又难以入手．不过，借助“知识溯源式目标分析法”却可巧妙地让解题思维转化路线图水落石出．
2) 若两个集合距离误差为0，但集合势不同，当
max(m,n)→
时，COLA计算距离为(n-m)，可以有效评价两个集合之间的误差；
3) 若有三个集合分别为X={x1,x2,…,xn}，X1={x1,x2,…,xn-α}，X2={x1,x2,…,xn+α}，则
两个集合与第一个集合之间的COLA距离是一致的。
相比OSPA度量标准，COLA距离可以更加合理、准确地计算两个集合之间的差异，但是根据式(7)可以得:
党的十九大报告明确提出实施乡村振兴战略，就不断深化农村改革、加快建设现代农业、加强农业农村基础工作等作出总体安排。今年中央“一号文件”对实施乡村振兴战略作出系统部署，其中加强农村产权保护、突出环境问题综合治理、建设法治乡村、平安乡村等诸多工作，与人民法院审判工作有着紧密的联系，同时也对人民法院工作提出了新的、更高的要求。今年2月，最高人民法院就贯彻落实《中共中央、国务院关于实施乡村振兴战略的意见》作出具体安排部署，要求人民法院充分认识乡村振兴战略的重大意义，积极贯彻落实中央精神，依法保障乡村振兴战略实施。
(9)
由式(9)可以看出，其中距离误差始终小于或等于1，无法正常评价距离误差，因此本文将COLA距离改成如式(10)所示:
(10)
将改进后的COLA指标作为精度指标，若要评价位置误差，X,Y分别为两个状态的位置向量；若要评价速度误差，X,Y便为速度向量。融合COLA精度指标不仅考虑状态之间的距离误差，还考虑之间的势误差，可以更加合理有效地评价系统的精度问题。
基础化学原料市场高位运行。1～9月，基础化学原料市场总体高位运行，价格涨幅较大，特别是有机化学原料涨势强劲，但波动也较大。9月，在监测的39种主要无机化学原料中，市场均价同比上涨有21种，比上月减少2种；环比上涨有26种，增加12种。在监测的84种主要有机化学原料中，同比上涨有57种，比上月减少4种；环比上涨52种，减少12种。
2.2 初步指标体系
本文首先通过分析评估对象，发现已有指标体系中精度指标存在的问题，提出了新的精度指标，即融合COLA精度指标，然后根据已有文献[5,8,13-17]所提出的指标体系进行经验总结，并根据分布式航迹融合系统的特点和指标构建原则，初步构建指标体系如图2所示。
图2 初步构建指标体系
Fig.2 Preliminary construction of the index system
初建的指标体系由两级指标构成，5个一级指标，22个二级指标，分别从系统处理能力、融合COLA精度、目标识别能力、航迹质量以及航迹相关度五个方面对系统进行性能评估，每个指标的具体定义以及计算方法现有文献已经给出，这里便不再详细介绍，重点研究指标体系约简。
2.3 指标体系确立
由于指标体系中指标数量过多，使得评估计算过于繁琐，因此本节通过对分布式航迹融合系统进行仿真实验，获得实验数据，根据粗糙集约简理论对初步构建的评价指标体系进行约简，剔除冗余指标，完成指标体系的构建。
2.3.1 实验条件
根据粗糙集属性约简理论，通过设计相同的剧情对7种不同分布式航迹融合系统进行Monte Carlo实验，获得实验数据，使用基于粗糙集等价关系的指标筛选模型，对初步构建的指标体系进行筛选优化。实验数据如表1所示。
表1 实验数据
Tab.1 Experimental data
序号处理能力(C1)融合COLA精度(C2)(c(r)=100,c(v)=10,p=2)目标识别(C3)/%C11C12/%C13/sC14/sC21C22C23C24C31C32C33C3411000.923.300.827.2213.350.060.1291.553.602.752.102600.943.150.976.2012.630.210.0792.852.202.782.173800.962.900.936.3613.210.160.1792.702.403.202.704600.953.000.885.4612.460.180.0994.452.451.371.735800.943.200.855.7510.960.240.1292.662.362.552.436600.953.100.836.0113.750.130.0491.802.572.682.9571000.933.250.907.1811.200.260.1693.082.253.151.52序号航迹质量(C4)航迹相关度(C5)/%C41/%C42/%C43/%C44C45/%C51C52C53C54C55195.530.7292.371.773.1296.8696.864.504.4096.95297.780.5794.501.182.4597.0297.022.683.4496.79396.670.6794.371.272.6796.8596.853.153.3796.74498.970.5396.551.001.1598.0898.002.001.9298.04598.660.5793.341.001.9896.8796.873.131.9797.45696.580.7091.222.112.5096.8196.813.192.9596.93797.890.6097.101.851.8897.6597.652.352.9797.34
2.3.2 实验结果
现以一级指标航迹质量为例进行指标约简。此评估指标体系中，各属性均为条件属性，不包含决策属性，因此是一个非决策系统，指标体系中各个指标属性值都是连续性属性，因此需要对指标数值进行离散化处理，以各属性的中间值为阈值对指标进行离散化，然后根据基于粗糙集等价关系的指标筛选模型进行指标约简，步骤如下：
1) 记指标体系C4={C41,C42,C43,C44,C45},论域U={U1,U2,U3,U4,U5,U6,U7}，求得IND(C4)={{U1,U6},U2,U3,U4,U5,U7}；
目前，虽然各高校已经开始重视慕课开放教育资源的建设，但是高校教师主要是在正常课时以外的业余时间或行政命令下被动参与课程视频资源制作，课时工作量难以核算，他们只是将各类资源选择一些应用于自己的课堂教学，很难积极投入到大量的课程资源建设上去。
2) 依次求得:
IND(C4-C41)={{U1,U6},{U2,U4},U3,U5,U7}，
IND(C4-C42)={{U1,U6},U2,U3,U4,U5,U7}，
据《崇明县志》记载，崇明岛地势平坦，地形总趋势是西北部、中部稍高，东部略低。西北部和中部地区土地平均高程在4.0 m左右，东部陈家镇、五滧垦区的地面高程在3.5 m以下，部分低洼地区如裕安北部甚至更低到3.2m。崇明岛目前的调水水位控制在冬春季节2.60～2.80 m，夏秋期间2.70～2.90m。因此，在同样的水位情况下，西部地区河渠的水位仍然较低，但是在东部地区已接近河口线，在遇突发暴雨又未能及时预排的情况下，东部地区更易于受涝。如2013年“10·7”大暴雨，位于现代农业园区北七滧垦区内一些果蔬大包户，因暴雨强度大、雨水未能及时排出，造成了一定的经济损失。
IND(C4-C43)={{U1,U6},U2,U3,{U4,U5},U7}，
IND(C4-C44)={{U1,U3,U6},U2,{U4,U7},U5}，IND(C4-C45)={{U1,U6},U2,U3,U4,U5,U7}；
3) 由步骤2)求得的结果可知，IND(C4-C42)=IND(C4-C45)=IND(C4)，则C42和C45为指标体系C中可以约简的冗余指标；
4) 约简后的指标体系
内容为{C41,C43,C44}。
同理使用此模型对其他一级指标进行约简，可得其他一级指标的约简结果为：
则约简后的指标体系由5个一级指标和15个二级指标构成，指标体系如图3所示。
近年来，市场营销理念逐渐受到我国城市商业银行的关注，许多银行也开始思考自身在营销工作中存在的问题。笔者对这些问题进行了总结归纳，总的来说，我国城市商业银行市场营销工作存在的问题主要包括以下几点。
图3 融合系统性能评估指标体系
Fig.3 Fusion system performance evaluation index system
2.4 权重计算
由于粗糙集属性重要性得出的权重更具有客观性，因此使用指标属性重要性对指标权重进行赋值，实现系统的综合评估。
以约简前的一级指标为例，对其二级指标进行权重计算。假定信息系统为S=(U,C4,V,f)，步骤如下：
1) 首先计算指标的不可分辨关系，则
U/IND(C4)={{U1,U6},U2,U3,U4,U5,U7}，
U/IND(C4-C41)={{U1,U6},{U2,U4},{U3,U5},U7}，
U/IND(C4-C42)={{U1,U6},U2,U3,U4,U5,U7}，
U/IND(C4-C43)={{U1,U6},{U2,U3},{U4,U5},U7}，
U/IND(C4-C44)={{U1,U3,U6},{U4,U7},U2,U5}，
U/IND(C4-C45)={{U1,U6},U2,U3,U4,U5,U7}。
当截割臂从O1A上升到O1A1时，截割臂上升角度为α，α逆时针方向为正数。设L为掘进机截割臂长度，O2O1=L1，O2A=O2A1=L2，O1A=L0，∠BO2A=α，∠O1O2O3=θ，油缸长度变化量为l1，伸长时l1为正数，缩短时为负数。在三角形O1O2A1中，根据余弦定理可得截割臂升降角度α的数学模型为
2) 由式(4)计算指标体系中各个指标的信息量，I(C4)=40/49，I(C4-C41)=36/49，I(C4-C42)=40/49，I(C4-C43)=36/49，I(C4-C44)=34/49，I(C4-C45)=40/49；
3) 由式(5)计算各二级指标在一级指标航迹质量中的重要性，则sigC4-C41(C41)=4/49，sigC4-C42(C42)=0，sigC4-C43(C43)=4/49，sigC4-C44(C44)=6/49,sigC4-C45(C45)=0；
4) 由式(6)计算航迹质量指标中各二级指标的权重，为：w41=0.285 7，w42=0，w43=0.285 7，w44=0.428 6，w45=0 。
对照组进行常规护理，包括基础护理、生命体征观察、饮食宣教、术后常规随访，从入院当天开始进行护理干预，出院后按出院小结的要求，定期于门诊医生处随诊，随访至6个月。
则约简前的航迹质量指标中二级指标的权重分别为w4=[0.285 7,0,0.285 7,0.428 6,0]，同理，根据粗糙集属性重要性得其他一级指标中二级指标的权重分别为w1=[0.263 1,0.315 8,0,0.421 1]，w2=[0.2,0.2,0.4,0.2]，w3=[0.25,0.25,0.25,0.25]，w5=[0.5,0.5,0,0,0]。
由属性重要性可得约简后的指标体系中二级指标的权重分别为
可以看出约去的指标C13，C42，C45，C53，C54的指标权重为0，约简后的指标体系所占权重与约简前指标权重一致，由此可认为约简前后的分布式航迹融合系统性能评价指标体系对最终的评估结果是一致的，约简后的指标体系更加简单，方便计算。
3 仿真实验
本实验通过设计剧情，使用本文构建的指标体系对甲乙两个分布式航迹融合系统进行Monte Carlo测试求得指标均值，并采用本文根据属性重要性计算的权重对两个系统进行综合评估，验证指标体系的有效性，其中甲融合系统最多处理100批目标，乙融合系统最多处理60批目标。
3.1 实验条件
假设有10批目标匀速直线运动，目标均以vx=100 m/s，vy=0 m/s的速度平行匀速直线运动，初值状态横坐标均为1 000 m，纵坐标分别为[1 000,2 000,3 000,4 000,5 000,6 000,7 000,8 000,9 000,1 000] m，目标轨迹如图4所示。
经对甲乙两个系统进行Monte Carlo测试后，得到的实验数据如表2所示。
图4 目标轨迹
Fig.4 The target tracks
表2 实验数据2
Tab.2 Experimental data 2
系统处理能力(C1)融合COLA精度(C2)(c(r)=100,c(v)=10,p=2)目标识别(C3)/%C11C12/%C14/sC21C22C23C24C31C32C33C34甲1000.920.857.4513.150.070.1091.553.82.552.1乙600.930.956.1012.350.250.0892.852.12.752.3系统航迹质量(C4)航迹相关度(C5)/%C41/%C43/%C44C51C52甲95.5092.351.896.8897.25乙97.7594.551.197.0597.30
3.2 评估计算
本节根据上小节由属性重要性得出较为客观的指标权重系统进行综合评价。
1) 计算各融合系统的指标归一化得分。根据指标越小越优型与越大越优型计算方法计算各指标得分S，计算方法参考文献[18],结果为：
S1=[1,0.2,0.76,0.51,0.37,0.14,0.5,0.31,0.24,0.49,0.58,0.1,0.24,0.1,0.38,0.45];
S2=[0,0.3,0.7,0.78,0.53,0.5,0.4,0.57,0.58,0.45,0.54,0.55,0.46,0.45,0.41,0.46]。
2) 计算指标权重。为简便起见视一级指标同等重要，即w=[0.2,0.2,0.2,0.2,0.2]，则每个二级指标对分布式航迹融合系统的权重为[0.052 6,0.063 2,0.084 2,0.04,0.04,0.08,0.04,0.05,0.05,0.05,0.05,0.057 1,0.057 1,0.085 7,0.1,0.1]。
3) 综合评估。根据步骤1)和步骤2)计算的指标归一化得分和指标权重，综合评估得分E分别为：E1=0.387 6，E2=0.476 5，则根据评估值得出优劣次序为甲小于乙，则乙分布式航迹融合系统得分最高，综合性能最好。
通过仿真实验与评估计算表明，约简的评价指标体系可以客观、全面、有效地对分布式航迹融合系统进行评价，具有较强的适用性。
4 结论
本文对分布式航迹融合系统指标体系进行优化，使用最佳基数线性分配度量标准代替原有的精度指标，对精度指标进行优化，提出了融合COLA精度指标，并通过分析评估对象，依据构建原则初步构建评价指标体系，然后通过仿真实验获得的实验数据和粗糙集属性约简的性质对指标体系进行筛选，最终构建了一套较为完整、客观公正的评价指标体系。仿真实验结果表明，优化后的指标体系可以有效以及更加适用地评价分布式航迹融合系统性能。
参考文献:
[1] 韩崇昭，朱洪艳，段战胜.多源信息融合[M].北京：清华大学出版社，2006:240-244.
[2] 郑永隆, 林家骏. 一种基于不确定度的数据关联敏感指标[J]. 华东理工大学学报(自然科学版), 2013, 39(1):83-89.
[3] 李月武，刘长江，胡建旺，等.基于计算量的航迹融合算法性能分析方法[J].探测控制学报，2019，41(6):88-94.
[4] 单甘霖, 张凯, 吉兵. 基于指标融合的跟踪算法性能评估度量标准[J]. 仪器仪表学报, 2014, 35(10):2341-2347.
[5] 裴兰珍, 罗赟骞. 航迹融合评价系统指标体系研究[J]. 战术导弹控制技术, 2005(4):56-59.
[6] Hoffman J R, Mahler R P S.Multitarget miss distance via optimal assignment[J]. IEEE Transactions on Systems Man and Cybernetics - Part A Systems and Humans, 2004, 34(3):327-336.
[7] Schuhmacher D, Vo B T, Vo B N . A consistent metric for performance evaluation of multi-object filters[J]. IEEE Transactions on Signal Processing, 2008, 56(8):3447-3457.
[8] Barrios P,Naqvi G, Adams M D, et al. The Cardinalized Optimal Linear Assignment (COLA) metric for multi-object error evaluation.[C]// International Conference on Information Fusion. US: IEEE, 2015.
[9] Barrios P, Adams M, Leung K, et al. Metrics for evaluating feature-based mapping performance[J]. IEEE Transactions on Robotics, 2017, 33(1):198-213.
[10] 潘泉. 多源信息融合理论及应用[M]. 北京：清华大学出版社, 2013.
[11] Dezert J, Tchamova A, Konstantinova P. Multitarget tracking performance based on the quality assessment of data association[C]// International Conference on Information Fusion. US: IEEE, 2016:201-208.
[12] Zhang L,Lan J, Li X R . Performance evaluation of multi-target tracking without knowing ground truth[C]// 2016 19th International Conference on Information Fusion (FUSION). US: IEEE, 2016.
[13] Shi X, Yang F, Tong F, et al. A comprehensive performance metric for evaluation of multi-target tracking algorithms[C]// International Conference on Information Management. US: IEEE, 2017.
[14] 龚亚信, 杨宏文, 胡卫东, 等. 融合跟踪系统性能的综合评估[J]. 火力与指挥控制, 2006, 31(9):4-7.
[15] 余安喜, 胡卫东, 郁文贤,等. 航迹相关与融合的性能评估[J]. 系统工程与电子技术, 2003, 25(7):897-900.
[16] 吴晓朝, 李冬, 张星,等. 防空空情融合性能评估方法研究[J]. 系统仿真学报, 2017(10)： 2415-2422.
[17] 彭鸣. 多源信息数据融合系统性能评估研究[J]. 信息与电脑, 2018(7): 193-196.
[18] 王洁. 多传感器数据融合及其综合性能评估[D]. 南京：南京理工大学, 2008.