[發(fā)明專(zhuān)利]基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210019343.7
• 申請(qǐng)日: 2022-01-06
• 公開(kāi)（公告）號(hào): CN114548662A
• 公開(kāi)（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 姚湘;劉嘉誠(chéng);江奧;谷海;周會(huì)敏;李文凱;劉江萍;龔漾
• 申請(qǐng)（專(zhuān)利權(quán)）人: 湘潭大學(xué)
• 主分類(lèi)號(hào): G06Q10/06
• 分類(lèi)號(hào): G06Q10/06;G06F3/01;G06F17/18;G06N7/00;G06Q50/26
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法，其特征在于，將在模擬航天環(huán)境下宇航員的生理表征實(shí)驗(yàn)作為背景，通過(guò)信息增益、改良信賴(lài)域算法對(duì)宇航員的精神狀態(tài)進(jìn)行評(píng)價(jià)及預(yù)測(cè)，包括：根據(jù)乘組人員在每種指定狀態(tài)(包括身體傾斜角度、環(huán)境色彩)下的追蹤小球正確率與不同類(lèi)別問(wèn)卷數(shù)據(jù)的信息增益確定不同類(lèi)別的疲勞對(duì)宇航員精神狀態(tài)影響的重要程度；通過(guò)擬合算法對(duì)實(shí)驗(yàn)采集的離散點(diǎn)進(jìn)行三維連續(xù)擬合，得到擬合函數(shù)；并運(yùn)用改良的信賴(lài)域算法，迭代尋找并預(yù)測(cè)宇航員最佳精神狀態(tài)時(shí)的指定身體傾斜角度及環(huán)境色彩。

2.如權(quán)利要求1所述的基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法，其特征在于，將傳統(tǒng)信息熵公式類(lèi)推到連續(xù)隨機(jī)變量并利用信息增益比衡量不同類(lèi)別疲勞對(duì)乘組人員精神狀態(tài)影響的重要程度，包括：

設(shè)宇航員回答的不同類(lèi)別問(wèn)卷問(wèn)題的答案為向量Xi，f為Xi張成的空間上的泛函，記wi＝f(Xi)，ρ(wi)為wi的概率密度函數(shù)，簡(jiǎn)記為ρi，其信息熵記為H(ρi)，公式為：

H(ρ_i)＝-∫_Ωρ(w_i)dw_i

這樣p(Y|wi)也是連續(xù)的，可以定義其概率密度函數(shù)為σi。條件熵記為H(Y|ρi)，公式為：

H(Y|ρ_i)＝-∫_Ωρ(w_i)∫_Yσ(v_i)log₂σ(v_i)dv_idw_i

每一種類(lèi)別問(wèn)卷的信息增益為IZ(ρi；Y)，信息增益比為IR(ρi；Y)，計(jì)算公式分別如下：

IZ(ρ_i；Y)＝H(Y)-H(Y|ρ_i)

3.如權(quán)利要求2所述的基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法，其特征在于，在不同類(lèi)別疲勞問(wèn)卷的多維巴拿赫空間架構(gòu)泛函，包括：

設(shè)宇航員回答的不同類(lèi)別問(wèn)卷問(wèn)題的答案為向量Xi(i＝1，2，3)，每一類(lèi)別問(wèn)卷有5道題目，記向量Xi＝{xi1，xi2，xi3，xi4，xi5}(xij＝1，……，10)，將該組向量張成的度量空間記為M＝span{X1，X2，X3}，它是完備的；

在該巴拿赫空間M上定義范數(shù)及線(xiàn)性泛函f：

4.如權(quán)利要求1所述的基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法，其特征在于，對(duì)傳統(tǒng)信賴(lài)域算法進(jìn)行改進(jìn)并對(duì)乘組人員精神狀態(tài)進(jìn)行最佳預(yù)測(cè)，包括：

選取初始參數(shù)η₁＝0.05，η₂＝0.75，r₁＝0.5，r₂＝2.0，取定為信賴(lài)域半徑的上限，記初始信賴(lài)域半徑設(shè)為：

計(jì)算若||s₁(k)||≤ε，停止迭代；并求解子問(wèn)題：

st.||d||≤r_k

上式中符號(hào)意為求解相應(yīng)函數(shù)表達(dá)式的梯度，B_k代表第k步函數(shù)對(duì)應(yīng)的二次型矩陣，這里范數(shù)取為向量的1-范數(shù)。

5.如權(quán)利要求4所述的基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法，其特征在于，利用燭光投影法，對(duì)擬合好的三維函數(shù)表達(dá)式先進(jìn)行分解再求最優(yōu)值，包括：將三維函數(shù)表達(dá)式記為g(a，b，z)，采用燭光投影法將g(a，b，z)分別投影到az平面、bz平面，定義

6.如權(quán)利要求4所述的基于信息增益與改良信賴(lài)域算法的模擬航天環(huán)境下個(gè)體精神狀態(tài)的評(píng)價(jià)及預(yù)測(cè)方法，其特征在于，求取校驗(yàn)因子以對(duì)信賴(lài)域半徑進(jìn)行放縮，包括：

求得校驗(yàn)因子θ_k：

其中Δf_k＝f_k-f(x_k+d_k)表示f在第k步的實(shí)際下降量，Δq_k＝q_k(0)-q_k(d_k)表示對(duì)應(yīng)的預(yù)測(cè)下降量。

若θ_k＜0，則Δf_k＜0，x_k+d_k不能作為下一個(gè)迭代點(diǎn)，校正(縮小)信賴(lài)域半徑為r_k+1＝r₁r_k并重新求解子問(wèn)題；

若θ_k接近于1，說(shuō)明二次模型與目標(biāo)函數(shù)在信賴(lài)域范圍內(nèi)有良好的近似，此時(shí)將x_k+1：＝x_k+d_k作為新的迭代點(diǎn)，校正(增大)信賴(lài)域半徑為繼續(xù)求解子問(wèn)題；

若θ_k為其它情況，信賴(lài)域半徑r_k+1＝r_k保持不變。