[發明專利]車輛數據的處理方法、裝置、設備和存儲介質

有效

• 申請號: 202011480936.0
• 申請日: 2020-12-16
• 公開（公告）號: CN112598133B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 劉鵬;陸唯佳;李兵洋;龔昊;莊杰;宋濤
• 申請（專利權）人: 聯合汽車電子有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 上海浦一知識產權代理有限公司 31211
• 代理人: 黎偉

1.一種車輛數據的處理方法，其特征在于，包括：

根據第i次分層條件將訓練數據劃分為S_i個集合，所述第i次分層條件包括第i次分層的集合個數和所述S_i個集合中每個集合的抽樣個數n_i，i為自然數，i≥2，n_i、S_i為自然數，n_i≥1，S_i≥2，所述第i次分層條件是調參模型基于第一次分層條件至第i-1次分層條件計算得到的，所述訓練數據包括所述車輛數據；

根據所述第i次分層條件對所述S_i個集合中每個集合中的訓練數據進行抽樣，得到所述每個集合的抽樣數據；

根據所述抽樣數據訓練目標算法模型，得到第i次訓練后的算法模型，所述目標算法模型是對車輛的參數進行預測的機器學習模型；

當不滿足輸出條件時，通過所述調參模型基于第一次分層條件至所述第i次分層條件計算得到第i+1次分層條件，重復上述步驟，直至滿足所述輸出條件，所述滿足輸出條件是指所述第i次訓練后的算法模型的評價滿足評價條件和/或對所述目標算法模型的訓練次數達到預設次數。

2.根據權利要求1所述的方法，其特征在于，所述對所述S_i個集合中每個集合中的數據進行抽樣，得到抽樣數據，包括：

對所述訓練數據進行歸一化，得到歸一化后的數據；

根據所述每個集合的抽樣個數對所述每個集合中的歸一化后的數據進行聚類，得到所述每個集合的中心坐標；

根據所述每個集合的中心坐標，對所述每個集合中的歸一化后的數據進行抽樣，得到所述抽樣數據。

3.根據權利要求2所述的方法，其特征在于，所述根據所述每個集合的抽樣個數對所述每個集合中的歸一化后的數據進行聚類，包括：

將所述抽樣個數作為所述每個集合的K值，通過K均值聚類方法對所述每個集合中的歸一化后的數據進行所述聚類。

4.根據權利要求2所述的方法，其特征在于，所述根據所述每個集合的中心坐標，對所述每個集合中的歸一化后的數據進行抽樣，包括：

抽取距離所述中心坐標最近的n_i個歸一化后的數據作為所述抽樣數據。

5.根據權利要求2所述的方法，其特征在于，所述根據所述每個集合的中心坐標，對所述每個集合中的歸一化后的數據進行抽樣，包括：

抽取距離所述中心坐標最近的n_i/2個歸一化后的數據，以及距離所述中心坐標最遠的n_i/2個歸一化后的數據作為所述抽樣數據。

6.根據權利要求1至5任一所述的方法，其特征在于，所述調參模型包括貝葉斯模型，所述貝葉斯模型包括期望提升函數和代理函數。

7.根據權利要求6所述的方法，其特征在于，所述通過調參模型基于第一次分層條件至所述第i次分層條件計算得到第i+1次分層條件，包括：

對所述第i次訓練后的算法模型進行評價，得到第i次評價結果；

根據第一次評價結果至所述第i次評價結果，以及所述第i次分層條件，通過所述代理函數進行函數空間擬合，得到預測值；

通過所述期望提升函數根據所述預測值和標準差輸出所述第i+1次分層條件。

8.根據權利要求7所述的方法，其特征在于，所述代理函數包括高斯回歸模型。