检索结果-南通市图书馆

作者：单咏雪大连大学

学位级别：硕士

近年来,由于人们对消费需求的转型升级,国内互联网服务业飞速发展,积累了海量的用户评论信息。对这些评论进行情感分析,有助于机器充分理解评论中蕴含的态度观点和情感倾向,帮助网络平台了解用户需求、社会热点、舆情走势等,具有巨大的... 详细信息

近年来,由于人们对消费需求的转型升级,国内互联网服务业飞速发展,积累了海量的用户评论信息。对这些评论进行情感分析,有助于机器充分理解评论中蕴含的态度观点和情感倾向,帮助网络平台了解用户需求、社会热点、舆情走势等,具有巨大的研究意义。然而,传统方法仅能推断出一个文档或句子整体的情绪极性,无法针对句子的具体方面进行分析。方面级情感分类解决了这个问题,它可以推断出文本序列中更全面、更深入的情感极性,更能体现用户的真实想法。现有方面级情感分类研究忽略了特定方面下评论的情感信息和句法结构信息,未能充分学习到单词之间的语义、句法和情感等联系。本文针对上述问题进行研究,分别提出了基于预训练情感嵌入和双图注意力网络的方面级别情感分类方法,主要工作包括:(1)提出了一种基于预训练情感嵌入的深度学习方法,它首先利用训练情感词嵌入的对抗性学习方法和双层双向长短期记忆网络,来提取特定方面类别下整个句子的情感嵌入,然后将此嵌入向量与BERT模型最后几层的语义信息动态地结合起来,最后采用线性加权和多头自注意力机制引导模型更加聚焦于特定方面类别的情感和语义信息,从而提升模型的效果。在中文患者评论数据集上的多组实验结果证明,该模型比目前其他最先进的模型表现更出色。(2)考虑到评论数据中的序列上下文信息和单词之间的句法依赖关系,提出了一种基于双图注意力网络的方面级情感分类方法。该方法首先构建两个图网络来描述句子的序列上下文信息和句法结构信息,然后利用注意力机制在单个图内聚合来自邻域节点的信息,并使用双仿射模块来协调序列图和句法图之间的异构信息。最后,本文利用特定方面的屏蔽机制和基于检索的注意力机制,使模型更加关注特定方面类别下的句子情感信息,从而推断出特定方面类别的情绪极性。SemEval 2015和2016竞赛公布的四个数据集上的实验结果显示,该模型的性能在方面级别情感分类上明显优于其他目前最先进的模型。本文对中文患者评论和英文商品评论进行方面级情感分类,能够挖掘出句子中更细粒度的信息,具有广泛的应用前景。它不仅为用户提供了丰富的决策信息,还提醒平台对某一方面存在的缺陷进行改进,促进了我国互联网服务质量的提升。针对该研究,未来还将在减少误差传播、避免过度参数化、多模态学习等方向继续探索。

关键词：方面级情感分类用户评论预训练模型图神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于HMM的人脸识别研究

基于HMM的人脸识别研究

作者：赵晶大连大学

学位级别：硕士

运用人体本身所固有的生物特征进行个人身份鉴别的技术是与传统方法完全不同的崭新技术,具有更好的安全性、可靠性和有效性,越来越受到人们的重视。人脸作为一种独特的生物特征,以其特有的直接性、唯一性和方便性等特点被愈来愈广泛的... 详细信息

运用人体本身所固有的生物特征进行个人身份鉴别的技术是与传统方法完全不同的崭新技术,具有更好的安全性、可靠性和有效性,越来越受到人们的重视。人脸作为一种独特的生物特征,以其特有的直接性、唯一性和方便性等特点被愈来愈广泛的应用在身份识别的领域。人脸识别是指基于已知的人脸样本集,利用计算机分析比较人脸图像中的人脸视觉特征信息,运用图像处理和模式识别等技术从静态或动态场景中获得并分析一个或多个人脸,然后从中提取出有效的识别信息,来自动鉴别图像中待识别人的身份的一门技术。它涉及了信号处理、智能控制、模式识别和机器视觉等多个学科的知识,具有很高的理论价值,逐渐成为了计算机视觉与模式识别领域研究的热点问题之一。而随着智能化信息处理技术的发展,人脸识别在法律、商业、安全系统等方面也有着日益广泛的应用。本文的工作如下:1.在对各种人脸识别方法进行分析的基础上,本文重点研究了基于隐马尔可夫模型(Hidden Markov Models,简称为HMM)的人脸识别方法。在已有的HMM方法的基础上,提出了一种基于水平积分投影函数(Integral Projection Functions,简称为IPF)和HMM的人脸识别方法。该方法首先将人脸图像进行积分投影,然后利用投影后的代表原始图像不同细节特征的投影向量建立HMMs,最后进行训练和识别,在ORL人脸数据库中的试验结果表明该方法提高了识别率。2.由于基于HMM的人脸识别方法建立在统计模型的基础上,其识别结果由各个模型的输出概率来确定,因此本文提出了一套将Fisher线性鉴别分析(Fisher Linear Discriminate Analysis,简称为FLDA),复主成分分析(Principal Analysis in the Complex Space,简称为CPCA)和HMM相结合的用于正面人脸识别的方法。该方法首先对输入的不同光照、人脸表情和姿势的图像进行归一化处理,然后将归一化后的图像转化成一维向量,再用FLDA方法提取每幅图像的特征,形成新的复向量空间,通过运用CPCA来提取人脸图像的有效鉴别特征,最后通过HMM对这些特征进行训练,得到一个优化的HMM并应用于识别。在ORL人脸数据库中进行试验,试验结果表明该方法有较好的识别率。

关键词：人脸识别隐马尔可夫模型(HMM) 水平积分投影函数(IPF) Fisher线性鉴别分析(FLDA) 复主成分分析(CPCA)

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

神经系统疾病早期筛查及检测方法研究

神经系统疾病早期筛查及检测方法研究

作者：宝颜鹏大连理工大学

学位级别：硕士

现阶段人口老龄化的问题日益加重,神经性系统疾病的发病人数逐年上升,为患者和医生都带来了看病压力。神经性系统疾病的症状普遍具有意识障碍、感知觉障碍、运动障碍等症状,但目前用于检测神经系统疾病的方法普遍会对患者造成创伤,对于... 详细信息

现阶段人口老龄化的问题日益加重,神经性系统疾病的发病人数逐年上升,为患者和医生都带来了看病压力。神经性系统疾病的症状普遍具有意识障碍、感知觉障碍、运动障碍等症状,但目前用于检测神经系统疾病的方法普遍会对患者造成创伤,对于移动不便的患者,奔赴医院就医诊断还会带来移动负担。随着信息科技的发展,互联网医疗的逐渐兴起正在一点点的改变医疗生态,越来越多的人探索用全新的技术手段,采用更加便捷,更加高效的方式,达到疾病问诊、病情跟踪、康复训练的目的。本文利用大数据技术,以典型的神经性系统疾病帕金森病为例,探究了帕金森病诊断以及严重程度判断的问题,旨在提供给患者更加便捷、高效的检测方式。本文通过语音识别,以及人脸关键点识别两种方式进行帕金森病诊断方式的研究探讨。首先,对语音、人脸视频数据进行预处理以及特征提取工作,将其转换为可以用于模型构建的数字信息;语音部分使用了目前常用于检测帕金森病的线性及非线性特征,而人脸关键点分析,使用了体现面部表情幅度以及震颤的两大类特征;将诊断问题抽象为分类问题,将病情严重程度抽象为回归问题,分别进行模型的建立和诊断。本文在构建语音分类的模型时,首先将病人进行聚类,随后针对每个类别分别构建模型,进行个性化病情诊断;对数据特征较多的情况,使用了正则的方法进行特征选择;对于人脸关键点时间序列数据,构建了基于时间的长短期记忆模型进行诊断。本文中的语音数据有部分来自网络上的公开数据集,人脸关键点的数据均为来自医院实地采集的数据,另外还结合了以上的方法和模型进行了系统构建,供用户使用。通过实验的验证,进一步证实了可以通过语音以及人脸面部表情将帕金森病人与健康人进行区分。随后介绍了系统功能及架构,将上述所提及的部分算法融入其中,实现应用价值。

关键词：帕金森大数据医疗数据挖掘疾病诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

脑肿瘤诊断分割及生存周期预测方法研究

脑肿瘤诊断分割及生存周期预测方法研究

作者：李天波大连理工大学

学位级别：硕士

脑肿瘤分为恶性脑肿瘤和良性脑肿瘤,前者是癌性的,容易扩散到大脑的其他部位,后者则不然。然而,在这两种情况下,脑肿瘤在刚性脑部空间的生长都可能导致人体功能障碍,甚至危及生命。脑肿瘤的发病率正在逐年增加,对公共卫生造成了极大的... 详细信息

脑肿瘤分为恶性脑肿瘤和良性脑肿瘤,前者是癌性的,容易扩散到大脑的其他部位,后者则不然。然而,在这两种情况下,脑肿瘤在刚性脑部空间的生长都可能导致人体功能障碍,甚至危及生命。脑肿瘤的发病率正在逐年增加,对公共卫生造成了极大的负担。诊断脑肿瘤的主要方法为利用脑部核磁共振成像图（MRI）对脑肿瘤区域进行分割,然而目前对脑肿瘤进行分割仍由脑外科医生手动进行。以这种方式分割需要花费脑外科医生大量的时间进行标注,并且脑肿瘤的异质性使得分割困难,导致手动分割效率不高。另外,脑肿瘤分割可作为预测病患术后生存周期的基础,评估病患之后的治疗计划,通过生存周期预测可以制定积极或是保守的治疗方案。所以为了辅助脑外科医生的脑肿瘤诊断工作,本文针对于脑肿瘤分割和生存周期预测进行了系统化研究。目前关于脑肿瘤分割的主流方法为基于深度学习的方法。然而,由于医疗数据的敏感性和隐私性,现存的相关公开数据集少且数据量少,若直接使用深度学习的方法则会出现严重的过拟合问题。另一方面,涉及三维图像的深度学习模型存在参数过多的问题。本文通过引入知识蒸馏与对抗训练相结合的训练策略进行脑肿瘤分割,能够得到精度较高的脑肿瘤分割图。知识蒸馏预先训练多个教师网络,得到软标签,再通过软标签监督学生网络的训练,并压缩模型体积。软标签可使学生网络的映射更多元化,从而缓解过拟合问题。知识蒸馏与对抗训练相结合,使得对抗训练对全局网络的监督更加有效,达到正则化的效果。之后,本文通过实验与主流的脑肿瘤分割算法进行了对比,结果显示本方法可以在压缩的模型上得到较高的分割精度。此外,现存的生存周期预测方法主要通过在脑部MRI成像图和脑肿瘤分割图上提取放射性特征,并使用机器学习方法进行预测。但是手工提取表层特征的方式受限于放射性特征与生存周期的相关性,使得生存周期预测精度难以进一步提高。本文使用神经网络自动提取深度特征,并采用特征融合的方法,融合放射性特征和深度特征进行生存周期预测,进一步提高了预测精度。实验阶段,本文设计多个对比方法,包括基于特征提取的机器学习方法和非特征融合的深度学习方法,结果显示本文方法能得到更好的预测结果。此外,通过对比脑肿瘤分割图对病患生存周期预测任务的影响,侧面验证了本文提出的脑肿瘤分割模型的性能。

关键词：脑肿瘤分割生存周期预测知识蒸馏对抗训练特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习与视角规划的三维对象建模方法

基于深度学习与视角规划的三维对象建模方法

作者：王元博大连理工大学

学位级别：硕士

三维重建是机器人领域和计算机视觉中的一个热门的研究课题。传统重建方法通过稠密视角下的帧间匹配来估算相机位姿变化,进而完成重建,因此受限于视角数量、传感器噪声、反射条件等因素的制约,重建的结果可能缺失关键结构,从而影响接下... 详细信息

三维重建是机器人领域和计算机视觉中的一个热门的研究课题。传统重建方法通过稠密视角下的帧间匹配来估算相机位姿变化,进而完成重建,因此受限于视角数量、传感器噪声、反射条件等因素的制约,重建的结果可能缺失关键结构,从而影响接下来的形状分析和交互工作。本文通过引入深度学习方法来弥补这一问题,具体体现在研究扫描视角预测和三维结构预测之间的关联性,并设计统一的深度学习模型实现在三维重建过程中视角规划与三维重建的同步进行,提高重建的准确性和信息获取的效率。首先,为了探讨视角预测和三维结构预测之间的关系,本文提出了基于深度学习与视角规划的三维对象建模的基本模型架构。同时为了验证视角预测对信息获取能力和重建质量的促进作用,本文设计了一个面向多视角图片序列的三维体素重建网络,网络整合了视角预测网络和三维重建网络两个模块,并构建成一个可联合训练的统一架构,在对比实验中取得满意的结果。实验验证明深度学习可以使用少量信息对目标对象的全局结构进行预测,而视角规划可以帮助重建过程高效获取信息与提升重建质量。随后,针对三维体素重建网络在显存占用、形状表达能力和忽略几何结构特性等局限性,本文设计了面向多视角图片几何语义特征的三维点云建模方法。通过融合的语义特征和几何特征来同步进行视角的规划和结构的预测,并使用点云这一更一般化的数据形式来节省显存和计算量,同时更好地表达三维形状的局部细节,最终在实验中取得了更好的细节表达能力与重建准确性。

关键词：计算机视觉三维重建视角规划三维神经网络深度强化学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于细粒度图像分类的外科手术器械识别研究

基于细粒度图像分类的外科手术器械识别研究

作者：张文凯大连理工大学

学位级别：硕士

计算机视觉技术已经广泛应用于医疗行业的各个方面,如疾病诊断、疾病预测以及智能机器人辅助手术等。然而,作为外科手术前后的关键步骤,外科手术器械的清点工作目前仍然由专业的医护人员来完成,并且尚未在计算机视觉技术的支持下开展研... 详细信息

计算机视觉技术已经广泛应用于医疗行业的各个方面,如疾病诊断、疾病预测以及智能机器人辅助手术等。然而,作为外科手术前后的关键步骤,外科手术器械的清点工作目前仍然由专业的医护人员来完成,并且尚未在计算机视觉技术的支持下开展研究。为了降低因手术器械丢失带来的风险和危害,本文提出针对外科手术器械识别分类的系统化研究。常见外科手术所对应的器械包中包含大量的子类类别。因此,本文将外科手术器械识别任务抽象为单个外科手术器械图像的细粒度图像分类任务。目前,细粒度图像分类方法主要分为两大类:强监督学习和弱监督学习方法。强监督学习方法需要大量的人力来进行额外的数据标注;弱监督学习方法仅需要数据的标签信息来进行训练和测试,较为方便灵活。因此,本文使用弱监督学习方法,通过引入两种新型的注意力机制并结合多尺度特征学习,致力于解决外科手术医疗器械的图像分类问题。本文所提出的弱监督网络模型主要由嵌入了全新轻量级注意力模块的特征提取网络和以相对熵为约束条件的多尺度正则化器组成。通过将本文所提出的两种注意力机制嵌入骨干网络,可以得到两种不同的特征提取网络。该特征提取网络能够自动定位到图像中具有区分性的区域并增强其语义特征,强化神经网络学习的表达能力;多尺度正则化器则用以考察不同尺度特征图之间的关系,通过约束条件指导特征提取网络中注意力特征图的生成。二者之间相辅相成。整体上,本文使用所提出的网络模型作为教师网络来进行知识蒸馏学习,进行模型压缩,提升模型的泛化能力和推理速度。在不需要借助任何辅助边界框或部位标注的情况下,该模型在一个阶段内就能轻松地完成端到端的训练和测试。此外,为了支持研究,本文创建了一个全新的外科手术器械数据集。该数据集所包含的手术器械种类来自于三种最常见外科手术所对应的手术器械包,包括阑尾切除术、胆囊切除术和剖宫产。实验结果表明,与最新的细粒度图像分类模型相比,本文的方法在该数据集上的分类准确率高达97.703%,对于外科手术器械的清点工作和识别分类研究具有良好的辅助支持作用。同时,本文所提出的方法在四个具有挑战性的细粒度图像公开数据集上也能达到较优的性能,证明了该方法的泛化能力。

关键词：计算机视觉外科手术器械识别细粒度图像分类弱监督学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向视频内容表达的漫画生成系统

面向视频内容表达的漫画生成系统

作者：马宗亮大连理工大学

学位级别：硕士

漫画作为一种流行的艺术形式,广受世界各地人们的喜爱。然而,漫画创作的门槛很高,它需要创作者有很高的绘画技巧、构图能力以及艺术修养;同时,漫画创作是一项很耗时的工作,一页普通的漫画往往需要创作者耗费数小时甚至数天的时间进行创... 详细信息

漫画作为一种流行的艺术形式,广受世界各地人们的喜爱。然而,漫画创作的门槛很高,它需要创作者有很高的绘画技巧、构图能力以及艺术修养;同时,漫画创作是一项很耗时的工作,一页普通的漫画往往需要创作者耗费数小时甚至数天的时间进行创作,虽然已经有很多计算机软件工具来辅助创作者进行绘画工作,然而,漫画创作仍然是一项耗时、耗力且门槛很高的工作。因此,为了能帮助普通人进行漫画创作、同时提高专业创作者的工作效率,本文提出了一个以普通视频作为创作素材、面向视频内容表达的漫画生成系统。该系统可以在没有人工干预的条件下,将输入的视频素材转化成一本漫画书,同时为了能生成更好的结果,本文允许在每一个过程中进行人工干预、微调结果。该系统主要包括以下四个模块:关键帧自动选择和提取、图片风格化、页面自动布局、对话框自动生成和放置。首先,需要对输入的视频进行关键帧的选择和提取,从视频素材中提取出最关键、最有代表性和最能吸引人注意力的帧作为所生成漫画的基础素材。然后,对提取出的关键帧进行漫画风格化,将普通风格的图片转变为漫画风格的图片。接下来,需要对风格后的图片进行自动布局,自动布局主要包括两个任务:将漫画图片分配到不同的页面上以及对同一页的图片进行裁剪、变形和放置。最后,利用将视频中的对话内容,自动生成不同形状的对话框,并将对话框放置到合适的位置。同时,为了帮助用户更好地使用该系统,本文进行了软件界面的开发,通过该软件界面,用户不仅可以从视频中自动生成漫画,而且可以进行手动调整以获取自己想要的结果。

关键词：漫画创作关键帧风格化自动布局对话框生成

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的三维模型补全技术研究

基于深度学习的三维模型补全技术研究

作者：满婧琦大连理工大学

学位级别：硕士

三维数据模型,作为最接近现实世界的数字化表示正逐渐的应用于模型生产、机器人学、城市构建、自动驾驶、虚拟现实等领域。随着这些领域的发展,人们对三维数据模型的完整性、真实性、可靠性的需求也越来越大。在物体的建模过程中,不可... 详细信息

三维数据模型,作为最接近现实世界的数字化表示正逐渐的应用于模型生产、机器人学、城市构建、自动驾驶、虚拟现实等领域。随着这些领域的发展,人们对三维数据模型的完整性、真实性、可靠性的需求也越来越大。在物体的建模过程中,不可避免的存在遮挡、抖动等情况,这造成了三维数据模型信息丢失、模型结构残缺不全的现象,需要对模型的缺失部分进行预测填充。传统的模型优化方法多基于几何结构对小的孔洞填充,而无法对大的模型缺失区域进行修复。为了对具有大量数据缺失的模型进行补全,本文讨论了两种处理残缺三维模型的方法,一种是基于生成对抗网络的模型补全,侧重于预测模型的完整结构以及预测模型与输入模型之间的相似性;另一种是基于八叉树的高分辨率模型补全网络,侧重于对模型结构和细节的预测填充,进而使得输出模型具有更丰富的信息。对于第一种方法,考虑残缺模型的结构修复,本文采用生成对抗机制结合自编码器实现生成能力更强的网络。具体体现在两个方面:一方面,网络的编码-解码结构用于计算重建误差,从而保证输入输出的一致性,同时生成-对抗机制使得输出的模型更加的真实自然;另一方面,网络在提高稳定性的基础上,能够预测得到残缺模型的完整结构,从而使得输出的模型具有更好的视觉效果。对于第二种方法,考虑残缺模型的细节补全,本文不但需要修复残缺模型的结构还需要对模型进行更为精准的细节信息预测。基于这一考虑,本文使用八叉树结构来高效储存三维模型的特征信息,从而降低模型的内存需求,减少计算量。此外,八叉树预测网络可以通过加深树的层数来预测出更多的未知结构信息,有利于三维模型局部细节的补全和修复。与其他实验方法的对比结果表明,本文方法能够得到补全程度更高的输出模型。对于生成对抗网络的方法来说,本文的方法提高了网络的稳定性和生成能力,使得预测模型更加的真实完整。基于八叉树的模型补全网络可以通过预测八叉树的完整结构,来不断推测出模型的细节信息,得到更加精致准确的补全模型。

关键词：三维数据模型补全深度学习生成对抗网络八叉树

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然景物建模及图像压缩分形反问题的研究

自然景物建模及图像压缩分形反问题的研究

作者：周运红大连理工大学

学位级别：硕士

分形几何作为一门以非规则几何形状为研究对象，用来描述大自然的几何学而在各个学科、各个领域中得到广泛应用。目前，对分形几何的研究主要限于如何用分形几何模拟生成自然景物，对分形反问题即如何从真实的自 ... 详细信息

分形几何作为一门以非规则几何形状为研究对象，用来描述大自然的几何学而在各个学科、各个领域中得到广泛应用。目前，对分形几何的研究主要限于如何用分形几何模拟生成自然景物，对分形反问题即如何从真实的自然景物图形生成分形几何对象则研究不多。反问题由于能实现信息的压缩，减少信息的存储量及传输时间，在图像建模、图像传输和通讯等实际应用中具有很重要的作用。因此，本论文对任意自然景物的交互式建模和自动压缩的研究具有一定的实际意义。 IFS迭代函数系统是分形几何学的重要分支，它以自相似为基础，易于提取自然景物的总体结构信息，在描述和度量非规则自然景物上显示出巨大的优势，并具有结构细节可无限放大的基本特征，因而在非规则自然景物的建模中得到广泛的应用。本论文基于IFS迭代函数系统理论，从两个方面对分形反问题进行了深入的探讨和研究。一方面，从交互式获取自然景物IFS码的角度对任意自然景物的建模问题进行了全面的探讨，对传统的IFS拼贴建模方法进行了讨论和算法上的简化。在此基础上，从整体与局部相互关系的角度，提出了两种新的简易建模方法：局部轮廓法和三点法。通过对典型图例的分析，全面地介绍了三种建模方法的实现过程及原理，并指出了各种方法的优点与不足。另一方面，从自动获取任意图像IFS码，从而达到信息压缩的角度对传统的自动分形压缩算法进行了深入的论述，并从保证图像解码质量，从而使分形压缩真正实用化的角度方面，提出了一种新的分形压缩算法：双门限自适应多级分块压缩，并将之与传统方法进行了比较。最后，在Window98系统平台上，利用面向对象技术，在Visual C++6.0 MFC类库基础上，编制了界面友好，操作简易的“自然景物建模及重构软件系统”，对传统方法和提出的新方法进行了全面的实现并进行了性能分析和结果比较。测试结果表明，新的交互式建模方法不仅比传统方法简易，而且重构可视化程度高。新的自动分形压缩算法与普通近距分块压缩方法相比，在基本保证解码质量（PSNR）的前提下，编码时间大大降低，而压缩比有一定的提高。对于较细致的图像，在压缩比基本不变的情况下能保持较高的解码质量。

关键词：分形压缩编码拼贴原理仿射集迭代函数系统自适应分块

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模型选择的多智能体行为预测方法研究

基于模型选择的多智能体行为预测方法研究

作者：李若南大连理工大学

学位级别：硕士

近年来,针对智能体或多智能体系统的研究已经成为当前人工智能领域的研究热点之一。在多智能体系统中,多个智能体往往需要通过交互(例如,合作、竞争等)完成目标任务。本质上,智能体之间的高效交互可以通过分析并预测其他智能体的行为实... 详细信息

近年来,针对智能体或多智能体系统的研究已经成为当前人工智能领域的研究热点之一。在多智能体系统中,多个智能体往往需要通过交互(例如,合作、竞争等)完成目标任务。本质上,智能体之间的高效交互可以通过分析并预测其他智能体的行为实现,进而提升整体系统任务完成的速率和成功率。其中,一种广泛使用的方法是利用智能体历史交互信息构建对手行为模型来预测当前交互过程中相关智能体的策略或行为。然而,该类方法需要在大量的候选模型中选择最合适的模型完成智能体行为预测任务,具有较高的时间和空间代价。因此,本文提出了一种基于次模函数优化的模型选择方案,致力于解决复杂多智能体系统中的智能体行为预测问题。首先,针对预测模型选择困难的问题,本文提出了一种基于次模函数的模型空间优化方法。该方法能够从大规模的候选模型中提取出具有代表性的小规模模型子集,极大地缩小智能体预测模型的筛选空间。此外,次模函数的性质保证所得模型子集的解在最差情况下不低于最优解的(1-1/e)。具体地,本文针对多智能体系统中使用次模函数求解候选模型子集的问题提出了两种解决方案:(1)在不考虑智能体物理内存空间局限的理想情况下,提出离线的次模函数求解方案,在智能体交互之前利用历史交互信息构建对手智能体行为模型,并基于候选模型之间的相似性统一筛选出具有代表性的候选模型子集;(2)考虑智能体物理内存有限的真实复杂场景,提出分批次的在线次模函数模型选择方案,在智能体交互的过程中通过最小化增量模型与已选模型子集的重合度更新模型子集。其次,本文引入基于置信度上界的多臂赌博机算法,致力于在智能体交互过程中在线识别出预测模型子集中最适用的模型对对手行为进行预测。该方法通过多次探索预测模型子集中每个模型的奖励分布,可以有效平衡针对模型子集空间的探索和利用,获取更多预测收益。此外,本文还引入了一种基于“精英模仿”示范学习策略的知识迁移方法。该策略支持适应度高的精英智能体将有益知识分享给与其经历相似但学习能力较差的智能体,以此来提高智能体的表现能力并加速系统的学习进程。最后,本文将所提出的方法整合到一个现有基于模因计算的多智能体学习系统框架中。利用该系统在复杂的雷区导航任务平台进行实验并与现有方法进行对比,证明了所提出的方法在解决智能体行为预测问题上的有效性。

关键词：多智能体系统行为预测模型选择