[发明专利]一种面向普适计算的不确定性上下文的推理方法

摘要

一种面向普适计算的不确定性上下文的推理方法是一种在普适计算环境中，利用集对分析技术和相关系数概念，对底层传感器感知到的原始上下文数据进行推理、融合以获取高层上下文信息的技术方案，利用集对分析技术和向量相关系数，实现了对不确定性上下文的快速、简便、直观、可靠的推理；集对分析方法有效地刻画了确定不确定系统的对立统一关系，符合自然辩证法和人类的思维方式，具有方法论的意义。在许多实际上下文感知应用中，用集对分析方法比用概率论、模糊集等方法描述不确定性更加简便、有效。把联系度表达式简写成向量的形式：μ(W)＝(a，b，c)，并称之为该集对的同异反向量。同异反向量之间的夹角余弦反映了同异反向量接近的程度，夹角余弦值越大，则差异越小，相似性越大。

主权项

1.一种面向普适计算的不确定性上下文的推理方法，其特征在于利用集对分析技术和向量相关系数，实现了对不确定性上下文的快速、简便、直观、可靠的推理，具体如下：步骤1)根据实际的上下文感知计算应用需求，考察传感器所监测环境中可能存在的不同的上下文状态空间，步骤2)确定上下文状态空间的有效属性集合，普适计算环境中一般需要多个传感器的属性监测数据来确定监测环境的某一确定状态空间，步骤3)对不同状态空间进行持续多次地重复观测，记录不同属性在该状态空间的属性监测值，步骤4)根据不同状态空间的不同属性监测值，构造传感器的同异反联系度表达式：μx=sN+fNi+pNj=a+bi+cj,]]>其中s，f，p表示对某一属性的N次监测中，获取的相同、相异、相反的属性监测值，步骤5)根据步骤4)得到同异反联系度表达式，将不同传感器的联系度表示为同异反向量的形式，即：μ_x＝(a，b，c)，根据集对分析方法的乘法法则，计算不同状态空间的同异反联系度表达式：μ_s＝μ_x1·μ_x2·...·μ_xm，n为自然数；步骤6)系统接收监测环境中某一t时刻不同传感器采集的实际监测值，并对传感器实测数据进行规格化，步骤7)根据乘法法则，对t时刻状态空间的多种上下文属性进行聚合，得到t时刻该状态空间的同异反联系度的表达式：μ_t＝μ_t1·μ_t2·...·μ_tm，步骤8)根据步骤7)得到的状态空间的同异反联系度表达式，生成该状态空间的同异反向量表示形式：μ_t＝(a_t，b_t，c_t)，步骤9)计算t时刻得到的状态空间的同异反向量μ_t和预定义的不同状态空间向量μ_s之间的夹角余弦cosθ(s,t)=[μs,μt]||μs||||μt||,]]>步骤10)比较夹角余弦的大小，通过向量之间的相似程度判断用户当前所处的上下文状态空间，从而获得系统新的上下文信息，步骤11)对新的上下文信息进行一致性检查和冲突消解，步骤12)如果上下文信息满足应用要求则将其插入上下文知识库，同时高速缓存中保留副本；否则，返回到步骤6)，继续监测该状态空间。