情感等级BDI主体模型研究

来源 :模式识别与人工智能 | 被引量 : 0次 | 上传用户:tianshui8085
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
信念、愿望和意图(BDI)模型是近年来影响最为深远的主体技术之一.文中把命题动态逻辑和无穷值的Lukasiewicz逻辑进行融合后对情感等级BDI主体模型进行了形式化.为通过信念度、愿望度、意图度、害怕度、焦虑度和自信度对不确定性行为进行表示和推理,把相应的公理添加到Lukasiewicz逻辑中.文中的情感等级BDI主体模型的行为是通过添加具体条件的每种背景的不同测度来决定,清晰地表示主体的心理状态和情感状态的不确定性.文中对情感等级BDI模型进行公理化,并说明它们对主体行为的影响.此模型可较轻易地向包括
其他文献
基于图像中物体之间的空间关系的图像检索往往受困于待处理的图像中物体种类和空间位置难以自动准确地获取.文中基于物体识别算法的输出,提出一种对物体空间关系的三元组表示法,给出基于这种表示方法对图像索引、相似度计算和检索排序的方法及允许用户使用查询词和空间关系表达查询需求的二维输入界面,并实现原型系统.这种表示法具有良好的鲁棒性,可容忍物体识别算法一定程度的误差,将物体识别得到的置信度加入三元组表示法置
在已有均值标准差曲线描述子(MSCD)的基础上,引入亮度序划分思想,提出一种基于亮度序的均值标准差描述子(IOMSD).与传统描述子构造时采用固定位置进行子区域划分不同,文中依据局部区域内各像素点的亮度大小关系划分子区域.该方法能克服图像形变带来的边界误差,且对线性光照和单调光照变化具有不变性.实验结果表明,IOMSD对旋转、视角变化及光照变化图像具有鲁棒性,尤其在形变稳定性上优于已有的MSCD算