基于行为的多机器人对手意图识别二次估计方法

在动态对抗性环境下竞争的多机器人系统,对于对手的意图进行有效而准确的识别,从而有针对性地提出对策,是获得优势的必要条件。该文针对多机器人系统的对手意图识别提出了基于行为的行为序列估计和行为规则拟合的二次估计方法,引入环境约束、危险评价和行为概率作为判据对多个意图进行排序,避免单一行为结果的推断,实时准确地为决策提供支持。通过机器人足球这一典型的对抗性多机器人系统平台进行了验证,证明该方法在实时性和准确性上均比现有方法有很大提高。     

一个意图后承的形式理论(Ⅱ)——基于相关性的刻画

本文通过引入相关性，给出Lm4c+后承的一个基于经典逻辑概念的形式刻画，进而给出“愿望保持性”和“承诺可传递性”的一个统一的形式规范，从而为“意图调整”提供了理论支持。     

说话者的意图

意图是话语意义的重要方面。意图有很多类型，语效意图和语旨意图是分析话语意义的最重要的两种意图，它们的实现都离不开听者对它们的认识。意图的成功交流依赖于一定的条件。     

汉英基本句式及其变式的认知语用对比研究

汉语是以辩证逻辑为基础的两分的话题和说明结构;英语是以形式逻辑为基础的三分结构。继对基本句式结构的对比分析之后,文章以语用为切入点,结合认知和句法,以实际语料为佐证,系统地归纳并分析了汉英变式句存在和使用的理据,总结了末尾焦点原则、话语意图和认知语境等具体理据。     

一种改进的基于意图识别技术的报警信息关联处理模型

在分析了现有的各种报警关联算法的基础上，提出了基于意图识别技术的报警关联分析模型，并采用了MIT林肯实验室数据对该模型进行了计算机模拟。结果表明，选中的647个初级报警信息经过处理后报警数量减少到112个，说明该模型能够去除无关报警、冗余报警，并可以提高报警的准确率和报警质量。     

基于多模式测量的网站用户行为意图预测模型

研究了用户浏览电子商务网站时的行为意图预测模型.运用实验研究的方法,测量了用户在初次浏览电子商务网站时情感体验的三个方面(主观情感体验、眼动特征以及生理反应),以及用户浏览电子商务网站之后对于网站的行为意图(接近趋势),采用方差分析的方法提取了影响用户行为意图的情感体验指标,基于支持向量机建立了用户情感体验与行为意图之间的关系模型.结果表明,综合使用主观评价指标、眼动指标和生理指标能够很好地预测用户对于网站的接近趋势.     

云计算环境中移动网络低匹配度异质信息入侵感知预测算法

针对传统灰色神经网络组合预测算法对网络中入侵信息预测时, 缺乏对低匹配度异质信息的预处理过程, 未对信息入侵攻击意图进行预测, 存在预测准确率低以及入侵防御性能差等问题, 提出一种新的云计算环境中移动网络低匹配度异质信息入侵感知预测算法, 通过灰色模型对初始网络低匹配度异质信息进行预处理. 先采用基于元路径的低匹配度异质信息入侵感知预测算法得到入侵攻击意图矩阵, 再根据该矩阵获取入侵攻击意图函数关系, 实现低匹配度异质信息入侵攻击意图预测. 仿真实验结果表明, 该算法可全面预测信息入侵的意图和过程, 对入侵信息节点防御成功率约为85%, 误警率和漏警率较低, 并具有较高的预测精度.     

《聊斋志异》城隍文化浅探

《聊斋志异》记录丰富的城隍文化,反映当时的城隍信仰民俗。蒲松龄在创作中表现城隍文化,旨在共同的民俗心理基础上,表达其政治理想,并利用鬼神实行教化,从民间实际出发,倡导基本道德和淳朴民风。     

考虑动态平衡的起立意图预测

针对起立意图难以预测及黑箱模型缺乏生物力学解释的问题,提出一种考虑动态平衡的起立意图预测方法．根据人体起立运动遵循的动态平衡规律,借鉴一种考虑起立运动速度的质心轨迹非线性处理手段,即外推质心,将质心轨迹直角坐标平面变换到动态平衡基准平面,降低特征数据对人体运动速度的依赖程度,提高起立意图判断准确性．分别使用支持向量机和神经网络对所提方法进行验证,并与传统数据处理手段进行对比．结果表明：模型预测的准确率均有提升,支持向量机的预测准确率由73.3%～74.1%提升到79.9%,起立时刻与预测时刻的时间偏差从96～101 ms降低到70 ms,神经网络的预测准确率从81.2%提升到86.2%,时间偏差从87 ms降低到59 ms.     

交通弱势出行者轨迹预测及安全管控策略

针对骑车人在交通事故中易受伤害的问题,提出一种基于骑车人意图识别的轨迹预测方法.首先,从骑车人角度及车辆角度提取骑车人的多元特征,如运动方向、回头概率、与车辆相对位置等,在十字路口场景下构建动态贝叶斯模型网络,分析了骑车人意图的影响因素,最终得到骑车人意图后验概率.其次,根据意图识别结果,构建了相关交通场景并给出了骑车人运动方程,通过基于粒子滤波方法的骑车人轨迹预测算法,结合运动方程及观测方程,以粒子模拟骑车人未来轨迹集.最后,搭建激光雷达和单目相机为主的数据采集硬件平台,获取与骑车人运动及姿态有关的信息,根据收集的7 358帧数据,计算出骑车人进入十字路口区域的时长,用以对算法进行评价.结果表明：本算法在骑车人过街前0.24～0.54 s可基本识别骑车人的意图,能够预测骑车人未来5.0 s内的轨迹集;算法具有较好的实用性,可以降低骑车人与车辆碰撞事故的发生概率.