·180 智能系统学报 第10卷 集的选取依赖于特定的应用场景，并且可以根据应 3分层的语义推理及实现 用需要对行为集进行多层次的分层，从而实现推理 层次更加丰富的推理过程。 3.1分层的语义推理 2.2可计算的环境上下文 前文当中根据特征是否被行为集中的所有元素 显然所有的行为发生都伴随着环境上下文，因 所共享将其分成了公有特征和私有特征2类。行为 此环境上下文应该属于公有特征。环境上下文是一 是具确定语义的，但是在观测到属于某个行为的所 个很抽象的概念，为了能将其予以形式化的表达，需 有特征前，尤其若其私有特征尚未被观测，则该行为 要考虑用户在室内的交互方式以及交互对象：通常 的确定语义将无法被推断，其所携带的语义将变得 用户在室内的交互对象主要是各色家电以及家具， 模糊不清，从而该行为的确定语义将退化成为模糊 而用户的交互方式又由他当前的交互对象所决定， 语义。图2中所示，用户分别发生了2个行为，即喝 例如，用户处在卧室当中，则其可能在与床进行交 水和喝饮料：这2个行为的公有特征即为手中持有 互，交互方式则是用户躺在床上。而这些家具或者 物品，且在手部在向面部运动，而喝水的私有特征则 家电与特定行为的发生具有很强的关联，比如餐桌 是手中物品为水杯，喝饮料的私有特征为手中物品 附近吃饭发生的概率很高：于是可以将它们的中心 为饮料。显然这2个行为的公有特征是几乎一致 作为某些行为发生的概率中心，而随着人体逐渐的 的，区分它们的关键因素在于这2个行为不同的私 远离该行为发生的概率会逐渐衰减。 有特征：但是公有特征的观测可以排除用户发生看 因此，可以将家具和家电等潜在交互对象的位 电视等其他行为。 置予以标定（如图1所示，图中的圆形和方形分别 图2(a)对喝水和喝饮料的私有特征进行了模糊 代表了室内的餐桌、冰箱等交互对象)，并结合人体 化处理（即不再观测这2个行为的私有特征）后，喝水 的当前位置作为观测的特征：在实现时，通常使用人 和喝饮料均退化成为语义模糊不清的动作，该动作表 体位置与各个交互对象间的坐标差值（或基于差值 明人手中有物品且在向面部运动。从中可以看出，行 的非线性变换)作为观测特征，而不是使用人体到 为的公有特征即表达了行为的模糊语义，而辅以相应 交互对象中心的欧氏距离，以考虑交互对象的形状 的私有特征后行为的语义才能被确定。 对于行为发生的概率衰减的影响。 (a)原图 (b)观测私有特征 图2由粗至精的推理过程 Fig.2 Inference process from fuzzy semantic logic to definite semantic logic 因此，提出了一个从模糊语义逐渐到确定语义 的推理框架，即首先根据观察到的公有特征筛选出 图1室内家具布置标定示意图 符合当前模糊语义的候选行为集合，A,然后根据A Fig.1 Calibration of the indoor layout of the furniture 中的成员做证据广播，即去观测该成员的相应私有 特征，并最终得到当前用户的行为或者行为集A集的选取依赖于特定的应用场景，并且可以根据应 用需要对行为集进行多层次的分层，从而实现推理 层次更加丰富的推理过程。 ２．２ 可计算的环境上下文 显然所有的行为发生都伴随着环境上下文，因 此环境上下文应该属于公有特征。 环境上下文是一 个很抽象的概念，为了能将其予以形式化的表达，需 要考虑用户在室内的交互方式以及交互对象；通常 用户在室内的交互对象主要是各色家电以及家具， 而用户的交互方式又由他当前的交互对象所决定， 例如，用户处在卧室当中，则其可能在与床进行交 互，交互方式则是用户躺在床上。 而这些家具或者 家电与特定行为的发生具有很强的关联，比如餐桌 附近吃饭发生的概率很高；于是可以将它们的中心 作为某些行为发生的概率中心，而随着人体逐渐的 远离该行为发生的概率会逐渐衰减。 因此，可以将家具和家电等潜在交互对象的位 置予以标定（如图 １ 所示，图中的圆形和方形分别 代表了室内的餐桌、冰箱等交互对象），并结合人体 的当前位置作为观测的特征；在实现时，通常使用人 体位置与各个交互对象间的坐标差值（或基于差值 的非线性变换） 作为观测特征，而不是使用人体到 交互对象中心的欧氏距离，以考虑交互对象的形状 对于行为发生的概率衰减的影响。 图 １ 室内家具布置标定示意图 Ｆｉｇ．１ Ｃａｌｉｂｒａｔｉｏｎ ｏｆ ｔｈｅ ｉｎｄｏｏｒ ｌａｙｏｕｔ ｏｆ ｔｈｅ ｆｕｒｎｉｔｕｒｅ ３ 分层的语义推理及实现 ３．１ 分层的语义推理 前文当中根据特征是否被行为集中的所有元素 所共享将其分成了公有特征和私有特征 ２ 类。 行为 是具确定语义的，但是在观测到属于某个行为的所 有特征前，尤其若其私有特征尚未被观测，则该行为 的确定语义将无法被推断，其所携带的语义将变得 模糊不清，从而该行为的确定语义将退化成为模糊 语义。 图 ２ 中所示，用户分别发生了 ２ 个行为，即喝 水和喝饮料；这 ２ 个行为的公有特征即为手中持有 物品，且在手部在向面部运动，而喝水的私有特征则 是手中物品为水杯，喝饮料的私有特征为手中物品 为饮料。 显然这 ２ 个行为的公有特征是几乎一致 的，区分它们的关键因素在于这 ２ 个行为不同的私 有特征；但是公有特征的观测可以排除用户发生看 电视等其他行为。 图 ２（ａ）对喝水和喝饮料的私有特征进行了模糊 化处理（即不再观测这 ２ 个行为的私有特征）后，喝水 和喝饮料均退化成为语义模糊不清的动作，该动作表 明人手中有物品且在向面部运动。 从中可以看出，行 为的公有特征即表达了行为的模糊语义，而辅以相应 的私有特征后行为的语义才能被确定。 图 ２ 由粗至精的推理过程 Ｆｉｇ．２ Ｉｎｆｅｒｅｎｃｅ ｐｒｏｃｅｓｓ ｆｒｏｍ ｆｕｚｚｙ ｓｅｍａｎｔｉｃ ｌｏｇｉｃ ｔｏ ｄｅｆｉｎｉｔｅ ｓｅｍａｎｔｉｃ ｌｏｇｉｃ 因此，提出了一个从模糊语义逐渐到确定语义 的推理框架，即首先根据观察到的公有特征筛选出 符合当前模糊语义的候选行为集合ｃ Ａ，然后根据ｃ Ａ 中的成员做证据广播，即去观测该成员的相应私有 特征，并最终得到当前用户的行为或者行为集 Ａｃｕｒｒ ·１８０· 智 能 系 统 学 报 第 １０ 卷