申请/专利权人：沈阳航空航天大学

申请日：2022-04-07

公开（公告）日：2024-06-28

公开（公告）号：CN114881232B

主分类号：G06N5/04

分类号：G06N5/04

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.08.26#实质审查的生效;2022.08.09#公开

摘要：本发明提供了一种具有模式切换机制的不完备信息推理方法，包括选取有效属性信息，确定决策变量，构建模块化切换推理证据网络模型；确定识别框架，初始化网络模型；根据节点变量的逻辑关系计算并初始化节点变量间信度分配函数；对当前推理时刻的输入证据进行完备性程度判别，结合证据类型选取输入模式，根据输入模式进行证据信度函数修正并对网络模型进行调整；输入修正证据，自适应调整节点权重并更新节点间信度分配函数；应用三步时空融合机制进行网络推理，获取决策变量在其识别框架下的概率分布；计算决策变量的归一化数学期望。在面对混合不完备信息下的复杂决策问题时，能够给出持续准确的推理结果，全面提升决策系统的自主性和智能化。

主权项：1.一种具有模式切换机制的不完备信息推理方法，其特征在于，所述不完备信息推理方法包括：步骤1，基于研究的决策问题选取与决策变量密切相关的有效属性信息作为网络输入-证据节点变量，即底层叶子节点，再根据所述证据节点变量的数据类型和相互关联进行分组，按所述分组构造网络中间层节点并进行模块划分，直至到达根节点-决策变量节点，构建模块化树状切换推理证据网络模型，其中，所述网络证据节点变量为与无人机空战威胁推理有关的属性信息，所述证据节点变量包括火控雷达、敌友识别、武器作用范围、处理危机能力、速度优势、角度优势、距离优势和高度优势，所述中间层节点包括作战意图、作战能力、几何优势、非友机判别、角度距离优势以及决策变量节点目标威胁；步骤2，根据所述证据节点变量的信息性质，结合所述证据节点变量的作用域逐一构建识别框架，并结合实际问题确定所述模块化树状切换推理证据网络模型的各个参数；步骤3，基于所述模块化树状切换推理证据网络模型，根据无人机空战威胁推理问题确定关联的各节点变量间的逻辑关联性，结合所述识别框架计算并初始化所述关联的各节点变量间的信度分配函数；步骤4，针对所述证据节点变量及所述数据类型，在每个推理时刻逐一对所述证据节点变量的检测信息进行不完备程度判别，自主进行输入模式选取；步骤5，在所述每个推理时刻对每个所述证据节点变量的检测信息依据所述输入模式进行证据修正，同时在有节点删除操作的时刻对所述模块化树状切换推理证据网络模型进行结构调整；步骤6，在步骤5的基础上，在所述每个推理时刻，将修正后的所述检测信息输入结构调整后的所述模块化树状切换推理证据网络模型中，并通过自适应的节点权重计算更新所述关联的各节点变量间的信度分配函数；步骤7，通过上述步骤，在所述每个推理时刻获取了根据所述证据节点变量的检测信息的不完备程度及时调整的所述模块化树状切换推理证据网络的模型结构以及所述信度分配函数，同时基于所述模块的划分，完成“至下而上，至前到后”的三步时空融合推理，获取所述每个推理时刻的决策变量在所述识别框架下的概率分布；其中，所述三步时空融合推理包括：步骤701，基于对所述模块化树状切换推理证据网络模型所划分出的每个子模块网络，在所述每个推理时刻执行模块内信息的空间融合；步骤702，所述模块化树状切换推理证据网络模型中各非突变型的子模块网络的连续三个时刻的时间融合；步骤703，推理时刻将整个所述模块化树状切换推理证据网络模型按照上述各模块网络连接顺序进行从下到上实现综合融合；其中，所述步骤702中第k个非突变型网络模块的所述连续三个时刻的时间融合使用如下公式，其中决策变量为vk，为vk时间融合后的信度分配函数： 其中，ρ是时空融合折扣率，0＜ρ＜1；为时间融合前连续三个时刻vk执行步骤701后的空间融合信度分配函数；其中，前移时间用κ表示，κ＝1，2，计算公式为： 其中，i为节点vk识别框架中的第i个焦元，其中，i＝1,2,…,l+1；为焦元{i-1}上的信度分配值；步骤8，基于所述决策变量在所述识别框架下的概率分布，计算所述决策变量的归一化数学期望用于后续连续决策。

全文数据：

权利要求：

百度查询： 沈阳航空航天大学 具有模式切换机制的不完备信息推理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD