一种基于动态贝叶斯网络的目标意图识别方法技术

本发明专利技术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。本发明专利技术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。本发明专利技术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。本发明专利技术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。行状态数据。行状态数据。

【技术实现步骤摘要】
一种基于动态贝叶斯网络的目标意图识别方法


[0001]本专利技术属于目标意图识别
，具体涉及一种基于动态贝叶斯网络的目标意图识别方法。

技术介绍

[0002]贝叶斯网络是一种概率图模型，它的模型结构能够用于表述随机变量见的依赖关系，以有向无环图(Directed Acyclic Graph,DAG)结构表示变量间的联合概率分布，其中图中的节点代表各个随机变量，并且为图中给定父节点的变量定义了条件概率分布。贝叶斯网络的结构学习主要解决的问题就是找到每个节点对其父节点集合的概率依赖程度并且得到相应的条件概率分布函数，现有研究已经能够证明从数据中获得这种网络的结构是NP
‑
hard的，仍然有许多问题需要解决。在贝叶斯网络的基础上引入节点之间的时序关系，就可以构建出动态贝叶斯网络。将网络的结构与时间信息结合，使贝叶斯网络具有处理时序数据的能力，更适用于生活中的各种场景。

技术实现思路

[0003]本专利技术提供了一种基于动态贝叶斯网络的目标意图识别方法，可用于提升对目标的意图识别的处理速度和准确性。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
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D
n
，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D
n
，通过自适应的遗传算法对当前的先验网络B
k,n
和转移网络B
k
→
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P
c
与变异概率P
m
的更新公式设置为：的更新公式设置为：其中，P
c1
、P
c2
表示进行交叉的两个个体的各个个体的交叉概率，P
m1
、P
m2
表示进行变异的两个个体的各个个体的变异概率，f
max
表示种群中最大的适应度值；f
avg
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B
k,n
和转移网络B
k
→
n
的BIC评分，记为score(B
k,n
+B
k
→
n
)；遍历所有数据分组的评分score(B
k,n
+B
k
→
n
)，所每个数据分组的评分score(B
k,n
+B
k
→
n
)均满足score(B
k,n
+B
k
→
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(B
k,n
+B
k
→
n
)、score(B
k
‑
1,n
+B
k
‑1→
n
)，对任意一组同一数据分组编号的评分，若均满足score(B
k,n
+B
k
→
n
)＜score(B
k
‑
1,n
+B
k
‑1→
n
)，则将最近得到的先验网络B
k...

【专利技术属性】
技术研发人员：张可，刘施彤，郑植，贾宇明，黄乐天，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：