[发明专利]一种基于活性群体集体运动中因果推断方法有效

专利信息
申请号: 202111238820.0 申请日: 2021-10-25
公开(公告)号: CN113962354B 公开(公告)日: 2022-07-12
发明(设计)人: 万亚平;阳小华;曾铁军;刘征海;毛宇;蒋盼盼;聂明星;王超峰;周立方;刘志明 申请(专利权)人: 南华大学
主分类号: G06N3/00 分类号: G06N3/00;G06N5/04;G06N20/00
代理公司: 北京盛询知识产权代理有限公司 11901 代理人: 方亚兵
地址: 412001 *** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 活性 群体 集体 运动 因果 推断 方法
【权利要求书】:

1.一种基于活性群体集体运动中因果推断方法,其特征在于,包括:

获取活性群体集体运动的领导者时间序列及跟随者时间序列;

获取固定时滞,基于所述固定时滞,获取最佳固定时滞,基于所述领导者时间序列及所述跟随者时间序列,获取对齐时滞序列;对所述固定时滞进行放宽处理,基于放宽处理结果,对所述最佳固定时滞进行更新;基于所述对齐时滞序列及更新后的最佳固定时滞,获取最佳对齐时滞序列;

基于所述最佳对齐时滞序列对所述领导者时间序列及所述跟随者时间序列进行扭曲,对扭曲结果进行格兰杰因果推断,得到活性群体集体运动格兰杰因果推断结果,基于活性群体集体运动格兰杰因果推断结果,获取领导者运动轨迹,并通过释放机器鱼学习领导者运动轨迹,然后对机器鱼进行对步伐设置,以实现鱼群捕捞。

2.根据权利要求1所述基于活性群体集体运动中因果推断方法,其特征在于:

获取活性群体运动的领导者时间序列及跟随者时间序列的过程包括:

获取活性群体运动的若干个初始领导者时间序列及若干个初始跟随者时间序列,通过对初始领导者时间序列及跟随者时间序列分别进行聚合,得到领导者时间序列及跟随者时间序列;

其中初始领导者时间序列与初始跟随者时间序列包括,移动方向,加速度。

3.根据权利要求1所述基于活性群体集体运动中因果推断方法,其特征在于:

获取最佳固定时滞的具体步骤包括:

通过固定时滞对领导者时间序列进行扭曲,通过对扭曲后的领导者时间序列及跟随者时间序列进行互相关程度分析,基于互相关程度分析结果获取最佳固定时滞;

其中,最佳固定时滞为互相关程度分析结果中互相关程度最大对应的固定时滞。

4.根据权利要求1所述基于活性群体集体运动中因果推断方法,其特征在于:

获取对齐时滞序列的过程包括:

通过动态时间规整算法,将所述领导者时间序列进行归整,将归整后的领导者时间序列与所述跟随者时间序列进行对齐,基于对齐结果,对所述归整后的领导者时间序列与所述跟随者时间序列进行时滞计算,基于时滞计算结果,获取对齐时滞序列。

5.根据权利要求1所述基于活性群体集体运动中因果推断方法,其特征在于:

对所述固定时滞进行放宽处理之前包括:

通过固定时滞对领导者时间序列进行扭曲,对扭曲后的领导者时间序列及跟随者时间序列进行相似性度量,基于相似性度量结果及固定时滞,构建相关函数,基于相关函数进行数值判定,得到判定结果;

若判定结果为满足判定条件则对所述固定时滞进行放宽处理,否则,不进行放宽处理,直接基于所述对齐时滞序列及最佳固定时滞,获取最佳对齐时滞序列。

6.根据权利要求3所述基于活性群体集体运动中因果推断方法,其特征在于:

对所述最佳固定时滞进行更新的过程包括:

构建放宽系数,基于放宽系数,对固定时滞按照互相关程度分析结果的绝对值大小进行排序,得到放宽时滞序列,其中,放宽时滞序列包括若干个放宽时滞;

选取放宽时滞序列中正数范围内最小的放宽时滞对最佳固定时滞进行更新。

7.根据权利要求6所述基于活性群体集体运动中因果推断方法,其特征在于:

对所述最佳固定时滞进行更新之前还包括:

基于放宽时滞序列,进行放宽时滞判定,若放宽时滞中的正数数量大于放宽时滞中的负数数量,则对最佳固定时滞更新;

否则,最佳固定时滞不进行更新,直接基于对齐时滞序列及最佳固定时滞,获取最佳对齐时滞序列。

8.根据权利要求1所述基于活性群体集体运动中因果推断方法,其特征在于:

对扭曲结果进行格兰杰因果推断的过程包括:

基于扭曲结果进行残差方差比较进行格兰杰因果推断,得到活性群体集体运动格兰杰因果推断结果。

9.根据权利要求1所述基于活性群体集体运动中因果推断方法,其特征在于:

对扭曲结果进行格兰杰因果推断之后还包括:

通过对扭曲结果进行对其相似度计算,获取跟随者对领导者的跟随亲密程度,基于跟随亲密程度对活性群体集体运动格兰杰因果推断结果进行补充。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南华大学,未经南华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111238820.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top