[发明专利]回收估价输出模型训练方法及回收估价输出方法

权利要求书

1.一种回收估价输出模型训练方法，其特征在于，包括步骤：

读取样本智能设备的组件信息；

获取所述样本智能设备的外观信息；

根据所述组件信息、所述外观信息和对应样本智能设备的真实估价，建立数据集；

建立估价训练模型，通过所述数据集训练用于输出估价信息的所述回收估价输出模型。

2.根据权利要求1所述的回收估价输出模型训练方法，其特征在于，在所述读取样本智能设备的组件信息的过程之后，还包括步骤：

对所述组件信息进行归一化。

3.根据权利要求2所述的回收估价输出模型训练方法，其特征在于，所述对所述组件信息进行归一化的过程，如下式：

其中，F_i表示所述数据集中的第i列特征。

4.根据权利要求1所述的回收估价输出模型训练方法，其特征在于，在所述获取所述样本智能设备的外观信息的过程之后，还包括步骤：

将所述外观信息编码化。

5.根据权利要求4所述的回收估价输出模型训练方法，其特征在于，所述将所述外观信息编码化的过程，包括步骤：

将所述外观信息一位有效编码化。

6.根据权利要求1所述的回收估价输出模型训练方法，其特征在于，所述估价训练模型包括卷积神经网络模型、线性最小二乘法回归模型、基于RBF核的SVM模型或随机森林回归模型。

7.根据权利要求6所述的回收估价输出模型训练方法，其特征在于，所述估价训练模型包括卷积神经网络模型；

其中，所述卷积神经网络模型包括若干个子模型，所述卷积神经网络模型的输出结果为所述子模型的输出加权平均值。

8.根据权利要求1所述的回收估价输出模型训练方法，其特征在于，还包括步骤：

通过误差处理算法对所述估价训练模型进行约束。

9.根据权利要求1至8任意一项所述的回收估价输出模型训练方法，其特征在于，所述组件信息包括样本智能设备的品牌、型号、颜色、内存、存储空间、保险剩余天数、解锁状态、销售地区、基带信息、WiFi状态、摄像头状态、屏幕液晶状态、指纹状态、面部识别状态或传感器状态。

10.一种回收估价输出方法，其特征在于，包括步骤：

读取待测智能设备的组件信息，并获取所述待测智能设备的外观信息；

根据所述组件信息和外观信息作为训练数据输入回收估价输出模型，获得所述回收估价输出模型的输出结果；其中，所述输出结果为回收估价。