-
公开(公告)号：CN105930906A
公开(公告)日：2016-09-07
申请号：CN201610234563.6
申请日：2016-04-15
Applicant: 上海大学
CPC classification number: G06N7/005 , G06K9/6278
Abstract: 本发明涉及一种基于特征加权和改进贝叶斯算法的摔倒检测方法。本方法的操作步骤是：1）摔倒建模，2）特征选择和特征加权，3）基于改进贝叶斯算法的摔倒检测。本发明基于朴素贝叶斯框架的机器学习方法对摔倒检测进行改进，使系统智能化并能够适应不同特征个体的摔倒检测要求；考虑摔倒检测过程不同特征的重要程度，结合特征选择的方法和特征加权，最后根据特征权重改进朴素贝叶斯算法，提高检测性能。
-
公开(公告)号：CN105843227B
公开(公告)日：2018-10-23
申请号：CN201610234559.X
申请日：2016-04-15
Applicant: 上海大学
IPC: G05D1/02
Abstract: 本发明提出一种基于任务密集度动态调整的多机器人协作围捕任务分配方法，属于任务分配技术领域。本方法包括：群体搜索及围捕建模、任务分配策略。本发明将经过强化学习方法得到的围捕经验值的概念引入到任务分配算法中，对经过拍卖算法得到的初始任务分配方案进行动态调整，使其能够很好的适应动态变化的围捕环境，减少系统之间的通讯量与计算量；本发明在任务分配拍卖算法中对竞标机器人的代价函数求解进行了优化，提出了任务密集度的概念，便于提高多机器人协作系统任务分配的效率，减少花费成本。
-
公开(公告)号：CN105843227A
公开(公告)日：2016-08-10
申请号：CN201610234559.X
申请日：2016-04-15
Applicant: 上海大学
IPC: G05D1/02
CPC classification number: G05D1/0221 , G05D2201/0217
Abstract: 本发明提出一种基于任务密集度动态调整的多机器人协作围捕任务分配方法，属于任务分配技术领域。本方法包括：群体搜索及围捕建模、任务分配策略。本发明将经过强化学习方法得到的围捕经验值的概念引入到任务分配算法中，对经过拍卖算法得到的初始任务分配方案进行动态调整，使其能够很好的适应动态变化的围捕环境，减少系统之间的通讯量与计算量；本发明在任务分配拍卖算法中对竞标机器人的代价函数求解进行了优化，提出了任务密集度的概念，便于提高多机器人协作系统任务分配的效率，减少花费成本。
-
-
Search Results
3
records
(took 0.014 seconds)
