一种基于半监督的语义预测方法技术

本申请属于机器学习中的深度强化学习技术领域，特别涉及一种基于半监督的语义预测方法。包括：步骤一、获取原始数据D，原始数据D包括n局数据；步骤二、从原始数据D中随机选取m局数据，并对所选的m局数据进行标注，得到已标注的数据集Labeled_D；步骤三、基于数据集Labeled_D进行有监督模型训练，得到预训练模型M_Pretrain；步骤四、通过原始数据D中除去已标注的m局数据之外的剩余数据，对预训练模型M_Pretrain进行预测，并将预测的语义结果定义为伪标签Fake_Label，得到带有伪标签的数据集Fake_Labeled_D；步骤五、将数据集Labeled_D和数据集Fake_Labeled_D组合成数据集D_Final，并基于数据集D_Final进行有监督模型训练，得到语义预测模型M_Final。本申请能够在任意的复杂场景情况下实现对语义的预测。

【技术实现步骤摘要】

本申请属于机器学习中的深度强化学习，特别涉及一种基于半监督的语义预测方法。

技术介绍

1、随着新型装备的快速装备运用，以及理论战法的创新使用，航空环境日趋复杂，发展智能态势评估系统，满足飞行员对航空态势评估的质量和可靠性的要求，已经成为共识。特别是在分布式航空中，智能态势评估系统收集和处理的数据呈现指数级增长，并且不同飞行员对态势的需求是不一致的，特别是受到他方干扰等影响，态势评估趋于复杂，对系统的要求也越来越高。现有的态势评估系统在计算能力、准确性、可靠性、可视化等方面难以满足现有发展需求。构建一个高效的智能态势评估系统，增强对航空复杂环境的态势感知能力已成为当前的研究热点。通过态势感知，可以获得对整个场景态势的准确把握，并根据态势评估结果进行态势运用，为提高飞机的智能化调整和控制水平提供支撑。其中，语义的预测作为一种为人提供未来航空分析与策略制定的辅助手段，一直是理论分析的研究热点之一。

2、然而，现有的语义预测与分析方法，主要是基于人为专家先验知识来进行建模，再基于建模来完成语义的分析。然而，随着近年来航空环境的越发复杂化，仅仅基于专家知本文档来自技高网...

【技术保护点】

1.一种基于半监督的语义预测方法，其特征在于，包括：

2.根据权利要求1所述的基于半监督的语义预测方法，其特征在于，步骤一中，所述获取原始数据D，所述原始数据D包括n局数据，包括：

3.根据权利要求2所述的基于半监督的语义预测方法，其特征在于，所述通过控制策略模型与仿真环境进行交互，获取原始数据D，包括：

4.根据权利要求3所述的基于半监督的语义预测方法，其特征在于，步骤二中，所述从所述原始数据D中随机选取m局数据，并对所选的m局数据进行标注，得到已标注的数据集Labeled_D，包括：

5.根据权利要求4所述的基于半监督的语义预测方法，其...

【技术特征摘要】

1.一种基于半监督的语义预测方法，其特征在于，包括：

2.根据权利要求1所述的基于半监督的语义预测方法，其特征在于，步骤一中，所述获取原始数据d，所述原始数据d包括n局数据，包括：

3.根据权利要求2所述的基于半监督的语义预测方法，其特征在于，所述通过控制策略模型与仿真环境进行交互，获取原始数据d，包括：

...

【专利技术属性】
技术研发人员：徐芳芳，费思邈，管聪，罗庆，朴海音，孙智孝，姚宗信，刘仲，
申请(专利权)人：中国航空工业集团公司沈阳飞机设计研究所，
类型：发明
国别省市：