申请/专利权人：浙江工贸职业技术学院(浙江工贸技师学院);杭州电子科技大学

申请日：2024-04-18

公开（公告）日：2024-07-05

公开（公告）号：CN118296353A

主分类号：G06F18/213

分类号：G06F18/213;G06F18/214;G06F18/243;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种基于神经网络的行为意图开集识别方法、系统及电子设备，属于意图识别领域。该方法首先采用包括自注意力混合卷积模块和时序变化感知模块的已知类分类网络，分别提取时间维度上关键局部特征和全局的时序变化，并将其处理成低维的类别激活向量；再通过自适应阈值检测模块在训练过程中拟合各动作意图类别的韦布尔分布和未知动作意图类别判断阈值，并在测试或推理阶段对测试样本的类别激活向量进行修正，将小于相应类别的阈值的样本标识为未知动作意图类别。在各时间序列分类数据集上的动作意图开集识别实验表明，该方法的整体表现优于各基线方法，模型的消融实验证明了网络结构的合理性。

主权项：1.一种基于神经网络的行为意图开集识别方法，其特征在于，包括以下步骤：S1、针对记录人体行为的时间序列样本集合及其人工标注结果，将已标记出意图类型的时间序列样本加入已知类分类数据集，将未能标记出意图类型的时间序列样本加入未知类集合，从而构建开集识别数据集；S2、利用S1中得到的已知类分类数据集，训练已知类分类模型，直到模型收敛，使其能够对输入的已知类时间序列样本进行准确分类；所述已知类分类模型中，输入模型的时间序列一路经过两个级联的自注意力混合卷积模块提取关键局部特征，另一路通过时序变化感知模块提取全局时序特征，关键局部特征和全局时序特征经过融合后经过分类层输出对应的分类标签；S3、在S2中的已知类分类模型训练结束后，由自适应阈值开集识别模块将所述已知类分类数据集中所有能被已知类分类模型正确分类的时间序列样本处理成类别激活向量，并计算每个已知类别的类别激活向量均值中心；针对每个意图类别，选取距离其类别激活向量均值中心最远的部分激活向量，拟合其韦布尔分布；对于已知类分类数据集中的每个时间序列样本，根据所属意图类别的韦布尔分布计算韦布尔概率修正权值向量，对其类别激活向量进行修正并经过Softmax函数归一化，得到类别概率修正向量；利用S1得到的开集识别数据集，根据开集识别的准确率搜索每个已知意图类别的最佳未知类别判断阈值；S4、将待识别意图类型的记录人体行为的时间序列按照与S3中所述时间序列样本相同的方式处理成类别概率修正向量，然后根据类别概率修正向量确定其中概率值最大的意图类别，若该意图类别对应的概率值大于该意图类别对应的最佳未知类别判断阈值，则将该意图类别作为待识别时间序列的意图类别，否则将待识别时间序列识别为未知类别。

全文数据：

权利要求：

百度查询： 浙江工贸职业技术学院(浙江工贸技师学院) 杭州电子科技大学 基于神经网络的行为意图开集识别方法、系统及电子设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD