[发明专利]一种基于贝叶斯网络的设计意图识别方法及系统

权利要求书

1.一种基于贝叶斯网络的设计意图识别方法，其特征是，包括如下步骤：

获取人体生理指标数据及人体动作数据；

建立人体生理指标数据、动作数据与设计指令对应关系的人工神经网络训练模型；

根据人工神经网络训练模型获取信号识别的设计指令及其精度，采用贝叶斯网络并行推理识别设计意图，获得设计指令的正确组合方法；

根据设计指令的组合确定设定意图。

2.如权利要求1所述的一种基于贝叶斯网络的设计意图识别方法，其特征是：

所述人体生理指标数据包括脑电信号，所述人体动作数据包括眼动信号、手势信号；

或者，获取人体生理指标数据及人体动作数据为按照时序获取脑电、眼动和手势信号。

3.如权利要求1所述的一种基于贝叶斯网络的设计意图识别方法，其特征是：设计意图的输出为设计命令，包括想定图形指令、选定指令、修改指令、操作指令和指令参数的组合。

4.如权利要求1所述的一种基于贝叶斯网络的设计意图识别方法，其特征是：针对CAD设计过程，建立人体生理指标数据、动作数据与设计指令对应关系的人工神经网络训练模型，具体为：脑电信号与想定图形指令建立对应关系；或/和,手势信号与修改指令或/和操作指令建立对应关系；或/和,眼动信号与选定指令建立对应关系。

5.如权利要求1所述的一种基于贝叶斯网络的设计意图识别方法，其特征是：贝叶斯网络的网络结构包括依次连接的信号识别结果输入层、设计指令节点层以及设计意图输出层；

信号识别结果输入层连接信号训练输出端，用于将连续的信号识别为节点值；指令节点层包括选定特征节点、修改指令或操作指令节点以及指令参数节点，为贝叶斯网络的网络节点；输出层为贝叶斯的网络根节点，为设计意图输出节点；

或者，通过向上迭代建立贝叶斯网络，建立贝叶斯网络的根节点作为进一步推理的子节点，不断地向上迭代建立贝叶斯网络，以满足复杂的设计意图的识别。

6.如权利要求1所述的一种基于贝叶斯网络的设计意图识别方法，其特征是：还包括贝叶斯网络的训练过程，包括如下步骤：

获取已知设计意图的设计人员的脑电、眼动及手势信号；

以建立的人工神经网络训练模型中的对应关系，将脑电、眼动及手势信号作为输入，以设计指令和识别精度为输出，输入至人工神经网络训练模型进行训练，获得人工神经网络训练模型的参数；

或者，

贝叶斯网络在识别设计意图后，还包括对识别结果进行评价的过程，根据评价结果对配置权重进行调整，以适应设计人员的设计习惯，提高个体区分能力。

7.如权利要求1所述的一种基于贝叶斯网络的设计意图识别方法，其特征是：根据人工神经网络训练模型获取信号识别的设计指令及其精度，采用贝叶斯网络并行推理识别设计指令，获得设计指令的组合的方法，具体的，识别方法为：

以建立的人工神经网络训练模型中的对应关系，将脑电、眼动及手势信号作为输入，以识别精度作为贝叶斯网络的配置权重，以设计指令为输出，输入至贝叶斯网络进行推理；

在输入信号的条件下计算设计意图的后验概率，后验概率最高的设计意图作为识别结果。

8.一种基于贝叶斯网络的设计意图识别系统，其特征是，包括：

获取模块：被配置为用于获取人体生理指标数据及人体动作数据；

人工神经网络训练模型建立模块：被配置为用于建立人体生理指标数据、动作数据与设计指令对应关系的人工神经网络训练模型；

识别模块：被配置为用于根据人工神经网络训练模型获取信号识别的设计指令及其精度，采用贝叶斯网络并行推理识别设计意图，获得设计指令的正确组合方法；

设计意图确定模块：被配置为用于根据设计指令的组合确定设定意图。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的方法中的步骤。