[發明專利]基于動態貝葉斯網絡的意圖分析方法

有效

• 申請號: 201710265798.6
• 申請日: 2017-04-21
• 公開（公告）號: CN107016212B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 樊振華;師本慧;陳金勇;段同樂;齊小謙
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

1.基于動態貝葉斯網絡的意圖分析方法，其特征在于，包括以下步驟：

(1)初始設置為訓練模式；

(2)數據匯集整理，具體包括以下步驟：

(2a)初始化性能參數，包括：藍方目標速度上限；

(2b)讀入當前時刻觀測數據，包括：紅方意圖、交火程度、藍方目標數、紅方目標數、藍方目標實力量化數據、紅方目標實力量化數據和藍方目標徑向速度；

(2c)結合性能參數和觀測數據，得到相對實力連續值和相對速度連續值；具體為：

計算相對實力連續值

其中，o_i表示紅方第i個目標實力量化值，i為紅方目標標號，取值為1,2,···,n_k，n_k為紅方目標數，e_j表示藍方第j個目標實力量化值，j為藍方目標標號，取值為1,2,···,m_k，m_k為藍方目標數；

計算相對速度連續值

其中，v_k為藍方目標徑向速度，v_sup為藍方目標速度上限；

(2d)對相對實力連續值和相對速度連續值進行離散化，得到相對實力和相對速度；

(3)建立動態貝葉斯網絡拓撲，具體包括以下步驟：

(3a)建立意圖分析動態貝葉斯網絡拓撲，網絡節點包括：可觀測節點和隱藏節點，所述的可觀測節點包括：紅方意圖、交火程度、相對實力和相對速度，所述的隱藏節點為藍方意圖；所述藍方意圖為紅方意圖、交火程度、相對實力和相對速度的融合；

(3b)設置各網絡節點概率分布，包括紅方意圖概率分布、交火程度概率分布、相對實力概率分布、相對速度概率分布和藍方意圖先驗概率分布；

(4)訓練模式下對動態貝葉斯網絡參數進行學習與設置，具體包括以下步驟：

(4a)判斷當前模式是否為訓練模式，若是，則執行步驟(4b)，若否則執行步驟(5)；

(4b)判斷是否達到設定的學習次數，若是，則通過對觀測數據學習，得到各網絡節點間的條件概率分布；否則返回步驟(1)；所述的各網絡節點間的條件概率分布包括：當前時刻紅方意圖和藍方意圖的條件概率分布，當前時刻交火程度和藍方意圖的條件概率分布，當前時刻相對實力和藍方意圖的條件概率分布，當前時刻相對速度和藍方意圖的條件概率分布，上一時刻藍方意圖和當前時刻藍方意圖的條件概率分布；

(4c)將訓練所得各網絡節點間的條件概率分布設置為動態貝葉斯網絡參數；

(4d)將當前模式設置為應用模式，返回步驟(2)；

(5)根據各網絡節點概率分布和各網絡節點間的條件概率分布，經貝葉斯推理得到當前時刻藍方意圖的后驗概率分布，具體包括以下步驟：

(5a)結合當前時刻的紅方意圖、交火程度、相對實力、相對速度、上一時刻藍方意圖和當前時刻的藍方意圖先驗概率分布經貝葉斯推理得到當前時刻藍方意圖的后驗概率分布；

(5b)根據馬爾可夫性，更新得到下一時刻的藍方意圖先驗概率分布；具體為：

P_f(B_k+1)＝P_u(B_k)；

其中，P_u(B_k)為k時刻威脅的后驗概率分布，P_f(B_k+1)為k+1時刻的藍方意圖先驗概率分布；

(6)將當前時刻藍方意圖的后驗概率分布融合為當前時刻藍方意圖，具體包括以下步驟：

(6a)從當前時刻藍方意圖的后驗概率分布中提取各種意圖的后驗概率；

(6b)將各種意圖的后驗概率融合為當前時刻藍方意圖；

(7)輸出當前時刻藍方意圖，檢查下一時刻的觀測數據是否到達，若是，將下一時刻更新為當前時刻，跳轉到步驟(2)；否則，結束本流程；

完成基于動態貝葉斯網絡的意圖分析。

2.根據權利要求1所述的基于動態貝葉斯網絡的意圖分析方法，其特征在于，步驟(2d)所述的對相對實力連續值和相對速度連續值進行離散化，得到相對實力和相對速度，具體為：

離散化相對實力S_k

離散化相對速度V_k