[发明专利]一种在排序支持下的交互车辆数据分类方法

摘要

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。

主权项

1.一种在排序支持下的交互车辆数据分类方法，其特征包含以下步骤：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表车辆安全类别的总数；H≤i≤n；步骤1.2、将所述带有车辆安全类别的n个车辆数据输入支持向量机中进行训练，得到SVM车辆分类模型M_c，将待分类的车辆数据集S输入所述SVM车辆分类模型M_c中，得到车辆数据集S的分类结果记为C＝{c₁,c₂,…,c_j…,c_N}，其中，c_j表示车辆数据集S中第j个车辆数据g_j的分类结果；N为车辆数据集S中车辆数据的总数；从而得到带有分类结果的车辆数据集S′，1≤j≤N；步骤1.3、从所述带有分类结果的车辆数据集S′中获取M对车辆数据，并对任意第m对车辆数据的车辆安全类别的优先级进行比较，得到的比较结果记为Q_m，从而得到由M个比较结果构成的M对车辆数据的优先级集合；1≤m≤M；步骤1.4、将所述M对车辆数据的优先级集合输入Ranking‑SVM中进行训练，得到Ranking‑SVM车辆排序模型M_r，将所述带有分类结果的车辆数据集S′输入所述Ranking‑SVM车辆排序模型M_r中，得到车辆数据集S′的排序结果记为D＝{d₁,d₂,…,d_j,…,d_N}，d_j表示车辆数据集S′中第j个车辆数据g_j的排序结果；对所述排序结果D进行降序排序，得到降序后的排序结果D′＝{d′₁,d′₂,…,d′_j,…,d′_N}，其中，d′_j表示降序后的排序结果D′中第j个车辆数据g′_j降序后的排序结果；步骤2、获取车辆推荐数据：步骤2.1、判断降序后的排序结果D′中相邻两个排序结果d′_j和d′_j+1所对应的车辆数据在分类结果C中的优先级顺序，若前者大于后者，则表示相应两个车辆数据的分类结果正常，否则，表示相应两个车辆数据的分类结果冲突；从而将所有分类结果冲突的车辆数据对组成车辆推荐数据集合；步骤2.2、选取所述车辆推荐数据集合的每对车辆数据中排名靠前的车辆数据所对应的排名作为相应车辆数据对的排名，从而得到车辆推荐数据排名集合，记为T＝{t₁,t₂,…,t_x,…,t_X}；t_x表示第x个车辆数据对的排名，1≤x≤X；X表示车辆推荐数据对的总数；步骤2.3、基于边界点聚集效应假设，利用式(3)得到第x个车辆数据对排名的优先级P_riority(t_x)：式(3)中，t_y表示第y个车辆数据对的排名，1≤y≤X且y≠x；步骤3、车辆分类模型和车辆排序模型的优化：步骤3.1、定义迭代次数为b；并初始化b＝1；步骤3.2、获取所述车辆推荐数据集合中除所述n个车辆数据以外的Z_b个车辆数据，且设置第z个车辆数据的车辆安全类别为p_z，p_z∈{L₁,L₂,…,L_h,…,L_H}，1≤z≤Z_b；并与所述带有车辆安全类别的n个车辆数据合并成第b次迭代的数据类别集合其中表示第b次迭代的数据类别集合S_b中第k个带有车辆安全类别的车辆数据；1≤k≤n+Z_b；步骤3.3、将所述第b次迭代的数据类别集合S_b输入支持向量机中进行训练，得到第b次迭代的SVM车辆分类模型将所述待分类的车辆数据集S输入所述第b次迭代的SVM车辆分类模型中，得到第b次迭代的车辆数据集S的分类结果记为表示第b次迭代的车辆数据集S中第j个车辆数据g_j的分类结果；从而得到第b次迭代的带有分类结果的车辆数据集S′_b；步骤3.4、所述车辆推荐数据集合中获取第b次迭代的Y_b对车辆数据，并对任意第y对车辆数据的车辆安全类别的优先级进行比较，得到比较结果记为Q_y，从而得到Y_b个比较结果构成的第b次迭代的优先级集合；1≤y≤Y_b；并与所述M对车辆数据的优先级集合并成第b次迭代的总优先级集合；步骤3.5、将所述第b次迭代的总优先级集合输入Ranking‑SVM中进行训练，得到第b次迭代的Ranking‑SVM车辆排序模型将待分类的车辆数据集S输入所述第b次迭代的Ranking‑SVM车辆排序模型中，得到第b次迭代的车辆数据集S的排序结果记为表示第b次迭代的车辆数据集S中第j个车辆数据g_j的排序结果；步骤3.6、对所述第b次迭代的排序结果D_b进行降序排序，得到降序后的排序结果其中，表示第b次迭代的降序后的排序结果D′_b中第j个车辆数据g′_j的排序结果；步骤4、评估车辆分类模型的质量：步骤4.1、判断第b次迭代的降序后的排序结果D′_b中相邻两个排序结果和所对应的车辆数据在所述第b次迭代的带有分类结果的车辆数据集S′_b中的优先级顺序，若前者大于后者，则表示第b次迭代的相应两个车辆数据的分类结果正常，否则，表示第b次迭代的相应两个车辆数据的分类结果冲突；从而得到第b次迭代的所有分类结果冲突的车辆数据对所组成的第b次迭代的车辆推荐数据集合；步骤4.2、选取所述第b次迭代的车辆推荐数据集合的每对车辆数据中排名靠前的车辆数据所对应的排名作为第b次迭代的相应车辆数据对的排名，从而得到第b次迭代的车辆推荐数据排名集合，记为表示第b次迭代的第x′个车辆数据对的排名，1≤x′≤X_b；X_b表示第b次迭代的车辆推荐数据对的总数；步骤4.3、利用式(2)得到第b次迭代的一致度P_b来评价第b次迭代的SVM车辆分类模型式(2)中，P_b∈[0,1]；步骤5、若P_b＜Δ时，则将b+1赋值给b，将n+Z_b赋值给n，将M+Y_b赋值给M后，返回步骤3.2顺序执行，否则，表示完成对SVM车辆分类模型的优化，并实现对待分类的车辆数据集S的最优分类。