[发明专利]一种目标类型识别方法、系统及电子设备

权利要求书

1.一种目标类型识别方法，其特征在于，包括：

获取待识别航迹的每个信息点的第一航迹信息，所述第一航迹信息包括多个特征所分别对应的数据；

获取每个特征的重要度，并按照从大到小的顺序从多个特征中得到所述预设数量的目标特征；

分别从所述待识别航迹的每个信息点的第一航迹信息中获取所述预设数量的目标特征所分别对应的数据，得到所述待识别航迹的每个信息点的第二航迹信息；

将所述待识别航迹的每个信息点的第二航迹信息输入到训练好的决策树中，得到所述待识别航迹对应的目标类型。

2.根据权利要求1所述的一种目标类型识别方法，其特征在于，所述获取每个特征的重要度，包括：

获取多个样本航迹的每个信息点的第一航迹信息，其中，多个样本航迹的目标类型包含全部的目标类型；

根据每个样本航迹的每个信息点的第一航迹信息得到第一数据集D₀和第一特征集F₀，D₀＝{(z₁,y₁),(z₂,y₂),...,(z_n,y_n),...,(z_N,y_N)}，F₀＝{f₁,f₂,...,f_k,...f_K}，其中，N表示所有样本航迹的信息点的数量，z_n表示所有样本航迹的信息点中的第n个信息点的第一航迹信息，1≤n≤N，且n为正整数，y_n表示所有样本航迹的信息点中的第n个信息点对应的目标类别的标签，K表示第一航迹信息中所包含的特征的数量，f_k表示第一航迹信息中的第k个特征，1≤k≤K，其中，N、n、K和k均为正整数；

利用所述第一数据集D₀和所述第一特征集F₀分别对在随机森林中所预设的每一颗决策树进行训练，得到误差err1；随机对第一数据集D₀的第k个特征加入噪声干扰，得到袋外误差err2；

根据第一公式计算出每个特征的重要度，所述第一公式为∑(err2-err1)/T，其中，T表示在随机森林中所预设的决策树的总数。

3.根据权利要求2所述的一种目标类型识别方法，其特征在于，还包括：

分别从每个所述样本航迹的每个信息点的第一航迹信息中获取所述预设数量的目标特征所分别对应的数据，得到所有样本航迹的每个信息点的第二航迹信息；

根据所有样本航迹的每个信息点的第二航迹信息，得到所述训练好的决策树。