一种基于动态贝叶斯网络的目标意图识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114997306A(43)申请公布日2022.09.02(21)申请号202210606262.7(22)申请日2022.05.31(71)申请人电子科技大学长三角研究院（湖州）地址313099浙江省湖州市西塞山路819号南太湖科技创新综合体B1幢8层申请人电子科技大学(72)发明人张可刘施彤郑植贾宇明黄乐天(74)专利代理机构电子科技大学专利中心51203专利代理师周刘英(51)Int.Cl.G06K9/62(2022.01)G06N3/12(2006.01)权利要求书2页说明书10页附图6页(54)发明名称一种基于动态贝叶斯网络的目标意图识别方法(57)摘要本发明公开了一种基于动态贝叶斯网络的目标意图识别方法，属于目标意图识别技术领域。本发明使用原始数据和评分搜索算法构建动态贝叶斯网络，在评分的过程中使用贝叶斯评分准则BIC和自适应的遗传算法，在反馈策略中使用了集成学习的思想完成边方向的修正。本发明能处理从复杂态势中获取的时序信息和不确定信息，同时引入反馈策略解决了在使用原始数据构建动态贝叶斯网络的过程中出现的会影响识别准确率的反边问题。本发明可用于对空中目标的意图识别处理，则对应的原始数据为目标的飞行状态数据。CN114997306ACN114997306A权利要求书1/2页1.一种基于动态贝叶斯网络的目标意图识别方法，其特征在于，包括下列步骤：步骤一、采集目标的属性数据，确定目标的真实意图属性，其中，目标的属性数据包括但不限于：目标的移动状态信息、位置信息和设备信息；步骤二、对采集目标的属性数据中的数值类型数据进行离散化处理；步骤三、对采集的目标的属性数据进行采样，获取与动态贝叶斯网络的输入相匹配的输入数据，基于多个输入数据得到训练数据集；步骤四、基于设置的学习策略对动态贝叶斯网络进行训练学习，以训练目标的属性数据与待识别的意图属性之间的结构图，得到训练好的动态贝叶斯网络；其中，基于设置的学习策略对动态贝叶斯网络进行训练学习具体为：1)将训练数据集分为多个数据分组，每个数据分组定义为Dn，n表示数据集分组的编号；2)基于节点间的互信息和时间互信息构建初始的先验网络B0和初始的转移网络B→，并对初始的先验网络B0和初始的转移网络B→进行编码；3)基于每个数据分组Dn，通过自适应的遗传算法对当前的先验网络Bk,n和转移网络Bk→n进行结构学习，其中，下标k表示学习次数；所述自适应的遗传算法中，每一代的交叉概率Pc与变异概率Pm的更新公式设置为：其中，Pc1、Pc2表示进行交叉的两个个体的各个个体的交叉概率，Pm1、Pm2表示进行变异的两个个体的各个个体的变异概率，fmax表示种群中最大的适应度值；favg表示每代群体所有种群的平均适应度值；f′表示需要交叉或变异的两个个体中较大的适应度值；4)计算当前的先验网络Bk,n和转移网络Bk→n的BIC评分，记为score(Bk,n+Bk→n)；遍历所有数据分组的评分score(Bk,n+Bk→n)，所每个数据分组的评分score(Bk,n+Bk→n)均满足score(Bk,n+Bk→n,D)＜score0，则执行步骤5)；否则，继续执行步骤3)；5)遍历最近两次得到的所有分组的评分score(Bk,n+Bk→n)、score(Bk‑1,n+Bk‑1→n)，对任意一组同一数据分组编号的评分，若均满足score(Bk,n+Bk→n)＜score(Bk‑1,n+Bk‑1→n)，则将最近得到的先验网络Bk,n和转移网络Bk→n得到训练好的动态贝叶斯网络；否则，基于当前的网络结构中边的得分继续执行步骤2)；步骤五、对待识别的属性数据进行采样，再将采样数据输入到步骤四训练好的动态贝叶斯网络中，基于其输出得到目标的意图识别结果。2.如权利要求1所述的方法，其特征在于，步骤四中，对初始的先验网络B0和初始的转移2CN114997306A权利要求书2/2页网络B→进行编码具体为：对先验网络B0的编码规则为：定义节点标志位为1，按照节点序号升序排列节点，且对于同一节点序号，t时刻节点在前，t‑1时刻节点在后，若节点所在标志位是当前节点的父节点，则当前节点的代码为1，反之为0；对转移网络B→的编码规则为：定义节点标志位为1，按照节点序号升序排列节点，且对于同一节点序号，t时刻节点在前，t‑1时刻节点在后，若节点所在标志位是当前父节点，则的当前节点的代码为1，反之为0。3.如权利要求1或2所述的方法，其特征在于，步骤四中，基于每个数据分组Dn，通过自适应的遗传算法对当前的先验网络Bk,n和转移网络Bk→n进行结构学习时，执行交叉处理时包括：若当前待交叉位置出现在先验网络中，则在非时序边编码内执行设置的交叉策略；若当前待交叉位置出现在转移网