[发明专利]一种基于本体模型和概率推理的复杂事件识别方法有效
| 申请号： | 201910412450.4 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN110197281B | 公开（公告）日： | 2023-06-20 |
| 发明（设计）人： | 刘发贵;唐泉 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06N5/046 | 分类号： | G06N5/046;G06N7/01;G06N5/022 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 何淑珍;江裕强 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于本体模型和概率推理的复杂事件识别方法，包括以下步骤：（1）利用本体模型对智能环境中的传感器和事件进行建模；（2）利用描述逻辑的语义属性将本体模型转换为马尔科夫逻辑网模型；（3）利用一种基于地点和固定时间间隔的分割方法对连续产生的传感器数据进行分割，形成事件序列，作为马尔科夫逻辑网模型的输入；（4）在马尔科夫逻辑网模型上进行概率推理，从而识别智能环境中发生的事件；所述的复杂事件识别方法融合了知识驱动方法和数据驱动方法的优势，可以准确地对智能环境进行建模，有效地处理事件之间的时间约束关系和传感数据的不确定性，提高识别的准确率。 | ||
| 搜索关键词： | 一种 基于 本体 模型 概率 推理 复杂 事件 识别 方法 | ||
【主权项】：
1.一种基于本体模型和概率推理的复杂事件识别方法，其特征在于，包括以下步骤：(1)利用本体理论对智能环境中的传感器和事件进行语义建模，再对事件之间的时序关系进行描述，得到本体模型；(2)利用描述逻辑的语义属性将本体模型转换为马尔科夫逻辑网模型；(3)利用基于地点和固定时间间隔的混合分割算法对连续产生的传感器数据进行分割，形成离散事件序列，离散事件序列作为马尔科夫逻辑网模型的输入；(4)在马尔科夫逻辑网模型上进行概率推理，从而识别智能环境中发生的事件。
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华南理工大学，未经华南理工大学许可，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/201910412450.4/，转载请声明来源钻瓜专利网。
