一种基于贝叶斯学习的人类多维偏好关联性挖掘方法

本发明公开了一种基于贝叶斯学习的人类多维偏好关联性挖掘方法。其中，该方法包括：设置一组决策，每一个决策对应一个未知的奖励函数和一组未知的约束函数，其中，每一个未知的约束函数对应人类的一维偏好，且每一未知的约束函数大于或等于预设约束阈值。本发明解决了现有的人机协作算法中未考虑人类偏好的多维性以及多偏好之间的潜在关联性，在输入驱动环境中，人类多维偏好对人机协作系统的潜在影响和在决策过程中利用机器在交互决策过程中对多维偏好的元认知评估，减少人类参与，导致人机协作未做出最佳决策的技术问题。