[发明专利]一种在排序支持下的交互车辆数据分类方法

说明书

本发明公开了一种在排序支持下的交互车辆数据分类方法，其步骤包括：1、获取车辆数据训练模型；2、获取车辆推荐数据；3、车辆分类模型和车辆排序模型的优化；4、评估车辆分类模型的质量；5、通过界面中的相关参数来观察车辆分类结果是否满意，如果满意则接受该结果，否则回到步骤1继续迭代。本发明能解决车辆类别分类无高质量训练样本和车辆分类类别间的边界点难以区分的问题，从而优化车辆分类模型，实现对待分类车辆数据集的准确分类。

技术领域

本发明涉及交互分类领域，具体涉及一种车辆类别之间存在顺序关系的车辆分类交互任务。

背景技术

在大数据时代，分类是最基础的数据分析技术和数据任务之一。虽然人们已经提出很多自动车辆数据分类方法，但没有哪种车辆分类方法能适用所有应用场景，而且以“黑盒系统”形式存在的自动车辆分类方法也影响其可解释性和可信性，对诸如图像、视频等高维复杂数据更是如此。影响可解释性和可信度的原因之一是：用户倾向于根据高层特征解读信息、度量相识度，而自动分类算法则依赖底层特征进行分类，从而形成语义鸿沟。多位学者认为允许用户参与分类过程，可以将用户的领域知识融入分类算法，进而有助于提高分类的可解释性和可信度。

基于机器学习的车辆分类算法，尤其是基于深度学习的车辆分类算法近年来在很多领域表现优异，已经成为主流车辆分类算法。基于机器学习的车辆分类算法从训练样本中学习构建车辆分类规则，因为车辆训练样本一般是用户依据自己的领域知识进行制作，所以可以认为车辆训练样本蕴含了用于分类的领域知识，这样领域知识就通过训练算法间接地融入了车辆分类算法，进而能部分克服语义鸿沟问题。但基于机器学习的车辆分类算法需要足够的高质量车辆训练样本，而大量高质量车辆训练样本并不易得，而且对于现有很多探索式车辆数据分析没有车辆训练样本，无法帮助用户获取高质量车辆训练样本，从而导致车辆分类效果不佳。另外，对于车辆分类类别间的边界点难以区分，对其分类比较困难。

发明内容

本发明为了解决现有技术存在的问题，提出一种在排序支持下的交互车辆数据分类方法，以期能解决车辆类别分类无高质量训练样本和车辆分类类别间的边界点难以区分的问题，从而优化车辆分类模型，实现对待分类车辆数据集的准确分类。

为实现上述目的，本发明采用以下技术方案：

本发明一种在排序支持下的交互车辆数据分类方法的特点包含以下步骤：

步骤1、获取车辆数据训练模型：

步骤1.1、从待分类的车辆数据集S中获取n个车辆数据，并设置第i个车辆数据的车辆安全类别为p_i，且p_i∈{L₁,L₂,…,L_h,…,L_H}，其中，{L₁,L₂,…,L_h,…,L_H}表示车辆安全类别集合，L_h表示第h种车辆安全类别，且令第h种车辆安全类别L_h的优先级大于第h+1种车辆安全类别L_h+1；从而得到带有车辆安全类别的n个车辆数据，记为{g₁,g₂,…,g_i,…,g_n}，g_i表示第i个带有车辆安全类别的车辆数据，H表示车辆安全类别的总数；i≤n且H≤n；