[发明专利]一种基于反馈的自适应主客观权重上下文感知系统及其工作方法

权利要求书

1.一种基于反馈的自适应主客观权重上下文感知系统，其特征在于，包括原始上下文信息采集模块、上下文融合模块、上下文推理模块、上下文应用模块以及用户模块；

所述原始上下文信息采集模块与所述上下文融合模块相连，所述上下文融合模块、所述上下文推理模块、所述上下文应用模块以及所述用户模块依次循环连接；

所述原始上下文信息采集模块用于采取不同的方式从不同的信息源采集原始上下文信息，所述原始上下文信息是指从不同传感器采集到的原始数据；所述上下文融合模块用于对原始上下文信息进行融合处理，提取出可供所述上下文推理模块使用的初级上下文信息；所述上下文推理模块用于对各种不同的初级上下文信息进行推理，得出可供所述上下文应用模块直接使用的高级上下文信息；所述上下文应用模块利用所述高级上下文信息，调整相应应用程序或设备，为用户提供恰当的服务；所述用户模块提取用户显式或隐式反馈，经过量化评估后转化为对每类上下文信息准确性的判断信息，发送至主客观权重管理单元，用于对各类上下文信息进行主观权重和客观权重各自贡献率的优化；所述显式反馈是指用户主动做出的反馈行为，所述隐式反馈是指上下文感知系统通过用户表情识别，用户行为分析间接推断出来的用户数据；

所述上下文融合模块包括依次连接的上下文信息预处理单元、主客观权重管理单元、上下文信息融合单元；

所述上下文信息预处理单元对原始上下文信息进行数据建模，建模模式为“感知类型+感知信息”，并对原始上下文信息分类，通过均值方法、最小二乘方法、最大似然估计方法或卡尔曼滤波方法对同类上下文信息间进行缺失值处理和融合操作；

所述主客观权重管理单元用于：根据系统感知事件类型，确认需要分配权重的上下文信息种类，并用主观赋权算法计算各类上下文信息的主观权重，所述主观赋权算法包括：Delphi算法、循环打分法、二项系数法和层次分析法；然后用客观赋权法计算各类上下文信息的客观权重，所述客观赋权法包括主成分分析法、变异系数法、熵权法和多目标规划法，根据用户反馈的评估量化信息动态计算各类上下文信息的主观权重和客观权重的贡献率，最后根据贡献率得出各类上下文信息的主客观权重；

所述上下文信息融合单元对所述主客观权重管理单元给出的多类上下文信息和主客观权重用多种信息融合算法进行融合，得到初级上下文信息，所述信息融合算法包括基于神经网络的融合算法，基于卡尔曼滤波的融合算法、基于模糊理论的融合算法和基于D-S证据理论的融合算法。

2.根据权利要求1所述的一种基于反馈的自适应主客观权重上下文感知系统，其特征在于，所述上下文推理模块包括依次连接的决策管理单元和上下文信息推理单元；

所述决策管理单元根据初级上下文信息的种类和感知事件类型选择合适的推理方法，并为多种信息融合算法的结果分配不同的权重以提高推理准确度；

所述上下文信息推理单元根据所述决策管理单元给出的推理方法，对所述上下文信息融合单元的不同融合算法产生的初级上下文信息进行推理处理，得到可供所述上下文应用模块直接使用的高级上下文信息，所述推理方法包括本体推理方法、基于规则的推理方法、基于证据论的推理方法和基于贝叶斯网络的推理方法。

3.权利要求2所述的一种基于反馈的自适应主客观权重上下文感知系统的工作方法，其特征在于，包括步骤如下：

S01：原始上下文信息采集

从各类传感器获取原始上下文信息；

S02：上下文信息建模

所述上下文信息预处理单元对原始上下文信息进行数据建模，建模模式为“感知类型+感知信息”；

S03：上下文信息分类融合

所述上下文信息预处理单元对原始上下文信息进行分类，即表示同种属性的上下文信息归为同类原始上下文信息，同类原始上下文信息间，通过均值方法、最小二乘方法、最大似然估计方法或卡尔曼滤波方法进行缺失值处理和融合操作；

S04：确认感知所需上下文信息类型

所述主客观权重管理单元根据系统感知事件类型及各类上下文信息与该事件的相关性来确认需要分配权重的上下文信息种类，需要分配权重的上下文信息种类数量总数设为n；

S05：计算各类上下文信息主观权重

所述主客观权重管理单元运用主观赋权算法，根据用户偏好，为需要分配权重的n类上下文信息分配权重，权重向量表示为Ws_i表示第i类上下文信息的主观权重值；

S06：计算各类上下文信息客观权重

所述主客观权重管理单元运用客观赋权算法，为需要分配权重的n类上下文信息分配权重，权重向量表示为Wo_i表示第i类上下文信息的客观权重值；

S07：判断是否有反馈产生

所述主客观权重管理单元判断是否有来自所述用户模块的用户反馈，若有，则执行步骤S08，若没有，则执行步骤S09；

S08：计算贡献率

所述主客观权重管理单元根据用户反馈的评估量化信息来计算主观权重和客观权重的贡献率，主观权重的贡献率为α，客观权重的贡献率为1-α，计算公式如式(Ⅰ)所示：

式(Ⅰ)中，T_i为用户产生的反馈总数；R_i为：在有用户反馈的情况下，第i类上下文信息经融合推理后得到的结果与用户反馈一致的数目；

S09：主客观权重合成

所述主客观权重管理单元根据贡献率对各类上下文信息的主观权重和客观权重进行合成，得到每类上下文信息的主客观权重值，合成公式如式(Ⅱ)所示：

式(Ⅱ)中，W_i为第i类上下文信息的主客观权重值；

最终得到的主客观权重为

S10：多算法上下文信息融合

所述上下文信息融合单元结合主客观权重，用不同的上下文信息融合算法，分别对多类上下文信息进行融合，每种信息融合算法得出一个概率向量，用来表示系统所有感知结果的可能性，这几个相同或者不同的概率向量作为初级上下文信息用来进行上下文信息推理；

S11：上下文信息推理

所述上下文推理模块利用所述决策管理单元给出的推理算法，对步骤S10得到的初级上下文信息进行推理，几个相同或者不同的概率向量经过相应的推理算法推理后得到最终的感知结果，即可供所述上下文应用模块应用的高级上下文信息；

S12：上下文应用

所述上下文应用模块接收到高级上下文信息后，调整相应应用程序或设备，为用户提供恰当的服务；

S13：用户反馈

所述用户模块记录用户在使用上下文应用过程中对系统进行的调整或用户在使用系统过程中的行为，作为用户的显式反馈或者隐式反馈；

S14：评估量化

所述用户模块提取用户显式反馈或者隐式反馈，转化为对每类上下文信息准确性的判断信息，发送至所述主客观权重管理单元进行主观权重和客观权重各自贡献率的优化。