[發明專利]一種基于狄利克雷過程混合模型的空間羽流特征聚類方法

在審

• 申請號: 202210427520.5
• 申請日: 2022-04-22
• 公開（公告）號: CN114821141A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 郭振宇;袁杰;馬圣山;賈焦予;劉強;李中華;匡本發;吳瓊
• 申請（專利權）人: 新疆大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于狄利克雷過程混合模型的空間羽流特征聚類方法，其特征是按如下步驟進行：

S1:使用攜帶氣體傳感器和定位裝置的機器人獲取羽流空間中羽流特征，羽流特征包括機器人獲取的濃度信息和機器人空間位置信息；

S2:基于機器人獲取羽流特征集合M，構建非參貝葉斯模型狄利克雷過程混合模型DPMM；

S3:基于通過機器人獲取的的羽流特征集合M，設計Collapsed Gibbs采樣，對各羽流特征所屬羽流類型進行推斷；

S4:根據最終的各羽流類型分布，對機器人獲取的所有羽流特征進行聚類；

S5:在各羽流類型區域根據機器人獲取的濃度信息和濃度梯度信息，將空間中羽流特征分布進行劃分，獲得空間羽流特征分布狀態。

2.如權利要求1所述的一種基于狄利克雷過程混合模型的空間羽流特征聚類方法，其特征在于，步驟S1使用攜帶氣體傳感器和定位裝置的機器人獲取羽流空間中羽流特征主要按如下步驟進行：

S1-1:計算機器人獲取的羽流特征的總數量N；

S1-2:構建機器人獲取的羽流特征集合M∈{x₁,x₂,...,x_i}，其中x_i表示機器人獲取的第i個羽流特征。

3.如權利要求1所述的一種基于狄利克雷過程混合模型的空間羽流特征聚類方法，其特征在于，步驟S2基于機器人獲取羽流特征集合M，構建非參貝葉斯模型狄利克雷過程混合模型DPMM主要按如下步驟進行：

S2-1:對于機器人獲取的第i個羽流特征，按照式（1）生成第i個羽流特征所屬羽流類型；

（1）

式（1）中，～表示服從，z_i表示第i個羽流特征所屬羽流類型，Multinomial(·)表示多項式分布，Dirichlet(·)表示狄利克雷分布，π表示多項式分布的超參數，α表示狄利克雷分布的超參數；

S2-2:對于機器人獲取的第i個羽流特征，按照式（2）生成第i個羽流特征所屬原有羽流類型中第k個羽流類型的概率；

（2）

式（2）中，K表示總的羽流類型數量，z_-i表示除z_i的其它所有羽流類型集合，n_-i,k表示第k個羽流類型中的羽流特征數量，N為機器人獲取的總羽流特征數量；

S2-3:對于機器人獲取的第i個羽流特征，按照式（3）生成第i個羽流信息所屬新羽流類別第K+1個羽流類別的概率；

（3）

S2-4:對于機器人獲取的第i個羽流特征，按照式（4）生成原有羽流類型預測后驗分布；

（4）

式（4）中，Guassian(·)表示高斯分布，NIW(·)表示逆Wishart分布，μ_k，Σ_k表示第k個羽流類型對應的高斯分布的均值與方差，Φ_k表示第k個羽流類型對應的逆Wishart分布的超參數；

S2-5:對于機器人獲取的第i個羽流特征，按照式（5）生成新羽流類型預測后驗分布；

（5）

式（5）中，μ，Σ表示第K+1個羽流類型對應的高斯分布的均值與方差，Φ表示第K+1個羽流類型對應的逆Wishart分布的超參數；

S2-6:對于機器人獲取的第i個羽流特征，按照式（6）生成第i個羽流特征所屬原有羽流類別z_i的后驗概率；

（6）

式（6）中 表示正比于；

S2-7:對于機器人獲取的第i個羽流特征，按照式（7）生成第i個羽流特征所屬新羽流類型z_i的后驗概率；

（7）

上式（7）表示后驗概率。

4.如權利要求1所述的一種基于狄利克雷過程混合模型的空間羽流特征聚類方法，其特征在于，步驟S3基于通過機器人獲取的的羽流特征集合M，設計Collapsed Gibbs采樣，對各羽流特征所屬羽流類型進行推斷主要按如下步驟進行：

S3-1:隨機生成不大于N的整數K,將羽流特征x_i隨機分配到K個羽流類型中；

S3-2:設置m=1;

S3-3:將x_i從原有羽流類型中刪除，更新該羽流類型對應的高斯分布的均值、方差和逆Wishart分布的超參數，如果這個羽流類型中的羽流特征的數量為零，那么刪除這個羽流類型，并且K-1；

S3-4:根據式（6）生成羽流特征x_i在原有羽流類型中的后驗概率；

S3-5:根據式（7）生成羽流特征x_i在新羽流類型中的后驗概率；

S3-6:從 或 中為z_i抽樣新的羽流類型；

S3-7:如果產生了一個新的羽流類型，那么K=K+1；

S3-8:從羽流特征集合M中生成新的羽流特征x_i,將m+1賦值給m，并返回S3-3執行，直到m=N；

S3-9:重復S3-2至S3-8，在Collapsed Gibbs采樣過程中，不斷更新每個羽流特征所屬的羽流類型，并不斷更新第i個羽流特征所在羽流類型的分布，當所有羽流特征所屬的羽流類型不再變化時，輸出最終的各羽流類型分布。