专利汇可以提供基于半监督学习的渣土车偷倒判别方法、系统和装置专利检索,专利查询,专利分析的服务。并且一种基于半 监督学习 的渣土车偷倒判别方法,包括:步骤S1,对超载源数据进行预处理;步骤S2,利用基于图的标签传播 算法 建立载重模型;步骤S3,将经过预处理的超载源数据代入载重模型中获取载重预测值。本 发明 通过对渣土车辆运输过程中监管实际需求的研究,利用车载终端GP步骤S模 块 的 定位 跟踪 功能,结合 人工智能 技术设计出一套实用的渣土车偷倒判别方案,实现对渣土车运输过程中违法违规行为的实时判别,并可以对已产生后果的违规行为发生地进行回溯和追责,为管理工作提供有效证据。提高监督 力 度和效率,避免违规作业,确保渣土车辆运行有序,为相关政府职能部 门 的行政管理和执法提供有力的证据和科学的决策依据。,下面是基于半监督学习的渣土车偷倒判别方法、系统和装置专利的具体信息内容。
1.一种基于半监督学习的渣土车偷倒判别方法,包括一个采集源数据的步骤,所述的源数据包括渣土车的GP步骤S定位数据、CAN总线数据和装载情况的人工记录数据,所述的GP步骤S定位数据包括车牌号、驾驶时间、经度、纬度和速度,所述的CAN总线数据包括车牌号、时间、速度、转速、发动机负荷、发动机期望转速和瞬时油耗,所述的装载情况的人工记录数据包括车牌号、时间、装货时间和卸货时间,其特征在于,还包括:
步骤S1,对所述的源数据进行预处理;
步骤S2,利用基于图的标签传播算法建立载重模型;
步骤S3,将经过预处理的源数据代入载重模型中获取载重预测值。
2.根据权利要求1所述的基于半监督学习的渣土车偷倒判别方法,其特征在于,步骤S1包括:
步骤S1.1,获取车辆的原始数据;
步骤S1.2,对原始数据进行划分。
3.根据权利要求2所述的基于半监督学习的渣土车偷倒判别方法,其特征在于,步骤S1中,原始数据包括车辆定位数据、车辆总线数据及车辆装载情况。
4.根据权利要求1所述的基于半监督学习的渣土车偷倒判别方法,其特征在于,步骤S2包括:
步骤S2.1,构造相似矩阵;
步骤S2.2,进行传播。
5.根据权利要求4所述的基于半监督学习的渣土车偷倒判别方法,其特征在于,步骤S2.1包括:
步骤S2.1.1,图的构建;
X表示所选取的特征:超速程度,高速公路,城市主要道路,城市次要道路,城市普通道路,城市快速道路,当前转速下发动机负荷百分比,瞬时油耗,加速度绝对值,进气压力,发动机转速差;
Y表示载重特征,标签只有2种状态,载重为1,空载为0;
令(x1,y1),…,(xL,yL)表示有标签的样本数据,yi∈(0,1),i=0,1,…,L-1,表示载重状态,令(xL,yL),…,(xL+U-1,yL+U-1)为未标记数据,且L<<U,设整个数据集X={x0,x1,…,xL+U-1};问题转换为:从数据集X中,利用有标签数据集YL进行学习,为无标签数据集YU找到对应的载重;
标签传播算法是基于图的,因此需要先构建一个图;以数据点为图的节点,将数据点用边连接,构造连接图;
连接图分为稠密图和稀疏图;
稠密图采用全连接图,采用rbf核函数计算节点i和节点j的边权重,如式(1)所示:
其中,α是超参,c表示特征指标中的某个特征,总特征数目为7,L表示有标签数据的数目,U表示无标签数据的数目;xi,xj∈X={x0,x1,…,xL+U-1},i,j=0,1,…,L+U-1;
稀疏图采用KNN图,计算数据集X={x0,x1,…,xL+U-1}中的xi,其中,i=0,1,…,L+U-1之间的距离,采用欧式距离计算并且按照距离的递增关系进行排序,选取距离最小的k个点,保留k近邻权重为1,其他的为0;
步骤S2.1.2,计算概率转移矩阵P;
定义一个(L+U)×(L+U)的概率转移矩阵P,如式(2):
pij表示从节点i转移到节点j的概率,n=1,2,…,L+U;
因为存在0和1两种载重状态和L个有标签的样本数据;令有标签数据集YL中的元素为YL(i)∈(0,1),i=0,1,…,L-1;
对于有标签数据,定义一个L×2的矩阵ZL,如果YL(i)=j,其中j∈(0,1),可得ZL(i,j)=1,即如果YL第i行为j=0,即为空载,那么ZL的第i行第j列,j=0的元素为1,第i行的其他列元素都为0;反之,如果YL第i行为j=1,即为满载,那么ZL的第i行第j列,j=1的元素为1,第i行的其他列元素都为0;
对于无标签数据,定义一个U×2的矩阵ZU,令ZU(i,j)=-1,其中,i=0,1,…,U-1;j=0,
1;将矩阵ZL和ZU合并,得到一个(L+U)×2的步骤Softlabel矩阵F=[ZL;ZU]。
6.根据权利要求5所述的基于半监督学习的渣土车偷倒判别方法,其特征在于,步骤S2.2包括:
步骤S2.2.1,执行传播:F=PF;
步骤S2.2.2,重置F中的已存在载重样本的载重信息:FL=ZL;
步骤S2.2.3,判断F是否收敛;
若F收敛,则结束;
若F未收敛,则返回步骤步骤S2.2.1,直至F收敛。
7.一种渣土车偷倒判别系统,其特征在于,包括:
预处理模块,用于对超载源数据进行预处理;
建模模块,用于用BP神经网络结构建立超载模型;
判断模块,经过预处理的超载源数据代入载重模型中获取载重预测值。
8.一种渣土车偷倒判别装置,其特征在于,包括:存储有渣土车偷倒判别程序的存储器及用于运行渣土车偷倒判别程序的处理器,渣土车偷倒判别程序配置为实现如权利要求1~6任一项所述的基于半监督学习的渣土车偷倒判别方法的步骤。
9.一种计算机可读存储介质,其特征在于,计算机可读存储介质上存储有渣土车偷倒判别程序,渣土车偷倒判别程序被处理器执行实现如权利要求1~6任一项所述的基于半监督学习的渣土车偷倒判别方法的步骤。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于商用WiFi的位置自适应动作识别方法 | 2020-05-08 | 1596 |
一种机器学习算法自动选择方法和系统 | 2020-05-12 | 104 |
基于语义传播及混合多示例学习的Web图像检索方法 | 2020-05-16 | 639 |
一种半监督学习的训练方法、系统和计算机可读存储介质 | 2020-05-18 | 795 |
一种基于半监督学习深度对抗网络的故障诊断方法 | 2020-05-12 | 671 |
一种室外场景三维彩色点云分类方法 | 2020-05-14 | 637 |
一种基于语音和表情的自适应权重双模态融合情感识别方法 | 2020-05-19 | 142 |
一种图形化编程的深度学习神经网络搭建方法 | 2020-05-18 | 737 |
一种运维系统及方法 | 2020-05-14 | 754 |
一种面向半结构化数据流的实时主题分类方法 | 2020-05-16 | 842 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。