[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有效
申请号: | 201611252003.X | 申请日: | 2016-12-30 |
公开(公告)号: | CN106650937B | 公开(公告)日: | 2019-09-27 |
发明(设计)人: | 许宏吉;周英明;房海腾;潘玲玲;孙君凤;许征征;杜保臻 | 申请(专利权)人: | 山东大学 |
主分类号: | G06N5/00 | 分类号: | G06N5/00;G06N5/04 |
代理公司: | 济南金迪知识产权代理有限公司 37219 | 代理人: | 杨树云 |
地址: | 250199 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及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。所述上下文感知系统,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,所述用户模块还与上下文融合模块相连。该上下文感知系统在上下文融合模块引入了基于用户反馈的自适应主客观权重分配机制,可以动态调整优化各类上下文信息的主观权重和客观权重各自的贡献率,提高上下文信息融合的准确率和效率,使系统可以为用户提供更智能化、个性化的服务。 | ||
搜索关键词: | 一种 基于 反馈 自适应 主客观 权重 上下文 感知 系统 及其 工作 方法 | ||
【主权项】:
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。
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山东大学,未经山东大学许可,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/patent/201611252003.X/,转载请声明来源钻瓜专利网。
- 上一篇:粗糙集属性约简的方法
- 下一篇:陶瓷盘