申请/专利权人:东南大学
申请日:2021-03-16
公开(公告)日:2024-03-15
公开(公告)号:CN113052289B
主分类号:G06N3/006
分类号:G06N3/006;G06F17/18;G06F17/11;G06F16/29;G06Q10/0637
优先权:
专利状态码:有效-授权
法律状态:2024.03.15#授权;2021.07.16#实质审查的生效;2021.06.29#公开
摘要:本发明涉及了一种基于博弈论的无人艇集群打击位置的选取方法,属于无人艇集群对抗领域,本发明包括:对无人艇集群所处的海域进行栅格化处理;对无人艇集群寻求打击位置问题进行数学建模;构建博弈对抗模型;进行关于无人艇集群的打击位置的纳什均衡点求解,包括纯策略的纳什均衡点和混合策略的纳什均衡点的求解。本发明能够在完全信息情况下,通过求解博弈论中的纳什均衡点,解决敌我双方的无人艇集群寻求打击位置问题,首先基于敌我双方无人艇的初始位置,生成有限个数的策略,通过遍历法寻找纯策略意义下的纳什均衡点,若出现解不存在的情况,则表示纯策略意义下无解,则利用粒子群优化算法进行混合策略下纳什均衡的求解。
主权项:1.基于眼动信号的感兴趣目标深度学习检测与定位方法,其特征在于:包括以下步骤:步骤1、实时获取眼动仪的原始输出数据,所述原始输出数据包括时间戳timestamp、水平方向坐标x、垂直方向坐标y和数据有效性validity;步骤2、对原始输出数据进行预处理,剔除异常数据和异常数据附近的一些有效数据,进行数据滤波;步骤3、从预处理后的数据中计算出眼动角速度v和眼动角加速度a,采用自适应阈值算法将预处理后的数据区分出凝视事件和扫视事件,得到凝视序列;步骤4、将凝视序列可视化并与对应的实验图片叠加,然后手动标记凝视序列类别;步骤5、使用手动标记后的凝视序列处理不等长序列的深度神经网络,使用不同长序列的深度神经网络进行感兴趣目标的检测与定位。
全文数据:
权利要求:
百度查询: 东南大学 一种基于博弈论的无人艇集群打击位置的选取方法
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。