Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020113354 - PROCÉDÉ ET SYSTÈME D'ESTIMATION INTERACTIVE DE MODÈLE SÉMANTIQUE FLOU T-S, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR

Numéro de publication WO/2020/113354
Date de publication 11.06.2020
N° de la demande internationale PCT/CN2018/118845
Date du dépôt international 03.12.2018
CIB
G06F 17/27 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
20Manipulation de données en langage naturel
27Analyse automatique, p.ex. analyse grammaticale, correction orthographique
CPC
G06F 17/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
17Digital computing or data processing equipment or methods, specially adapted for specific functions
Déposants
  • 深圳大学 SHENZHEN UNIVERSITY [CN]/[CN]
Inventeurs
  • 李良群 LI, Liangqun
  • 谢维信 XIE, Weixin
  • 刘宗香 LIU, Zongxiang
Mandataires
  • 深圳市恒申知识产权事务所(普通合伙) HENSEN INTELLECTUAL PROPERTY FIRM
Données relatives à la priorité
Langue de publication chinois (ZH)
Langue de dépôt chinois (ZH)
États désignés
Titre
(EN) INTERACTIVE T-S FUZZY SEMANTIC MODEL ESTIMATION METHOD AND SYSTEM, AND COMPUTER READABLE STORAGE MEDIUM
(FR) PROCÉDÉ ET SYSTÈME D'ESTIMATION INTERACTIVE DE MODÈLE SÉMANTIQUE FLOU T-S, ET SUPPORT DE STOCKAGE LISIBLE PAR ORDINATEUR
(ZH) 交互式T-S模糊语义模型估计方法、系统和计算机可读存储介质
Abrégé
(EN)
An interactive T-S fuzzy semantic model estimation method and system, and a computer readable storage medium, being used for target tracking, solving the problem that the robustness and accuracy of search results are reduced as existing filtering algorithms can hardly satisfy system performance requirements. Said method comprises: different language values used defining different fuzzy semantic sets in a T-S fuzzy model; setting a probability conversion method between the fuzzy semantic sets; performing fuzzy interaction of the initial state of a target, to obtain a mixed initial state estimation of the target and a mixed initial state covariance; performing nonlinear filtering processing on the mixed initial state estimation and the mixed initial state covariance, to obtain an updated state and an updated state covariance; calculating and updating premise parameters of the T-S fuzzy model, to obtain updated premise parameters; calculating a standardized model probability; obtaining a state estimation of the target and a covariance estimation; and estimating the motion state of the target, thereby increasing the robustness and accuracy of research results.
(FR)
Procédé et système d'estimation interactive de modèle sémantique flou T-S, et support de stockage lisible par ordinateur, ceux-ci étant utilisés pour le suivi de cibles, résolvant le problème de la robustesse et de la précision réduites des résultats de recherche dues à la difficulté pour les algorithmes de filtrage existants de satisfaire aux exigences de performances du système. Ledit procédé comporte les étapes suivantes: définir, par différentes valeurs de langue utilisées, différents ensembles sémantiques flous dans un modèle flou T-S; établir un procédé de conversion de probabilités entre les ensembles sémantiques flous; réaliser une interaction floue de l'état initial d'une cible, pour obtenir une estimation d'état initial mixte de la cible et une covariance d'état initial mixte; effectuer un traitement de filtrage non linéaire sur l'estimation d'état initial mixte et la covariance d'état initial mixte, pour obtenir un état actualisé et une covariance d'état actualisé; calculer et actualiser des paramètres de locaux du modèle flou T-S, pour obtenir des paramètres de locaux actualisés; calculer une probabilité de modèle standardisé; obtenir une estimation d'état de la cible et une estimation de covariance; et estimer l'état de mouvement de la cible, accroissant ainsi la robustesse et la précision de résultats de recherche.
(ZH)
一种交互式T-S模糊语义模型估计方法、系统和计算机可读存储介质,用于目标跟踪,解决了现有的滤波算法难以满足系统性能的要求而降低了研究成果的鲁棒性和准确性的问题,包括:采用的不同语言值定义T-S模糊模型中的不同语义模糊集;设定各个语义模糊集之间的概率转换方法;对目标的初始状态模糊交互,得到目混合初始状态估计及混合初始状态协方差;对混合初始状态估计及混合初始状态协方差非线性滤波处理,得到更新状态及更新状态协方差;对T-S模糊模型的前件参数计算和更新,得到更新前件参数;计算标准化模型概率;得出目标的状态估计及协方差估计;估计目标的运动状态,从而增加了研究成果的鲁棒性和准确性。
Dernières données bibliographiques dont dispose le Bureau international