[发明专利]基于全连接神经网络的二手车定价方法，装置，及系统

权利要求书

1.一种基于全连接神经网络的二手车定价方法，其特征在于，所述方法包括：

获取车辆特征，根据所述车辆特征构建神经元；

根据所述神经元，构建全连接神经网络；

根据所述全连接神经网络，逐层计算所述神经元，生成二手车定价模型；

根据所述二手车定价模型，计算目标二手车的价格。

2.根据权利要求1所述的方法，其特征在于，所述获取车辆特征，根据所述车辆特征构建神经元的步骤具体为：

将所述车辆特征，按照以下公式构建神经元：

Z＝a₁w₁+……a_kw_k+……a_Kw_K+b；

其中，α＝σ(w^Ta+b)＝σ(w₁a₁+w₂a₂+…+w_ka_k+b)；

a₁,a₂,...a_k为车辆特征，w₁,w₂,...w_k为车辆特征的权重，b为偏置项用于调整二手车定价模型；σ为激活函数用于将车辆特征由原空间的特征表示变换到一个新特征空间。

3.根据权利要求2所述的方法，其特征在于，所述根据全连接神经网络，逐层计算所述神经元，生成二手车定价模型的步骤包括：

根据所述全连接神经网络，逐层计算所述神经元，生成第一定价模型；

根据所述第一定价模型，计算校验二手车的检验价格；

判断所述校验价格与校验二手车的成交价格是否一致，

如果一致，确定所述第一定价模型为二手车定价模型

如果不一致，调整所述第一定价模型，生成二手车定价模型。

4.根据权利要求3所述的方法，其特征在于，所述调整第一定价模型，生成二手车定价模型的步骤包括：

计算所述校验价格与校验二手车的成交价格的差值，调整所述第一定价模型的参数，得到中间定价模型；

根据所述中间定价模型，计算校验二手车模型的调检验价格；

判断所述调检验价格与校验二手车的成交价格是否一致；

如果不一致，继续调整中间定价模型的参数，直至调检验价格与校验二手车的成交价格一致。

5.根据权利要求4所述的方法，其特征在于，所述继续调整中间定价模型的参数的步骤具体为：

确定所述中间定价模型的调整次数；

根据所述调整次数确定参数的调整幅度；

根据所述调整幅度，调整中间定价模型的参数。

6.根据权利要求5所述的方法，其特征在于，所述根据调整次数确定参数的调整幅度具体为：

通过指数衰减法，根据所述调整次数确定调整幅度，所述调整幅度随着所述调整次数增大而减小。

7.根据权利要求2所述的方法，其特征在于，所述根据全连接神经网络，逐层计算所述神经元，生成二手车定价模型的步骤包括：

根据所述全连接神经网络，逐层计算所述神经元，得到建模数据；

将所述建模数据加入先验，缩小所述建模数据的空间，得到目标建模数据；

根据所述目标建模数据，构建二手车定价模型。

8.一种基于全连接神经网络的二手车定价装置，其特征在于，所述装置包括：

获取单元，用于获取车辆特征，根据所述车辆特征构建神经元；

构建单元，用于根据所述神经元，构建全连接神经网络；

生成单元，用于根据所述全连接神经网络，逐层计算所述神经元，生成二手车定价模型；

计算单元，用于根据所述二手车定价模型，计算目标二手车的价格。