【技术实现步骤摘要】
本专利技术属于车辆低速碰撞信号处理领域，具体说是一种基于LLE局部线性嵌入的车辆低速碰撞信号特征变换方法及系统。
技术介绍
在对低速行驶车辆远程定损过程中，主要是对车辆携带设备所采集的加速度、角速度，以下简称车辆行驶信号进行处理分析、学习判断，但是实际采集的车辆行驶信号为离散随机信号，这种信号是一种非确定性的信号，具有无法预测未来瞬间精确值的特点并且本身存在很多的噪声，怎样将信号中的有用信息提取出来将称为后期学习判断的重要前提。在进行特征提取过程中无法确定所有的特征都对学习网络具有重要的意义，也许存在包含有冗余信息以及噪音信息，从而对学习结果造成误差，降低准确率，而通过降维,我们希望减少冗余信息所造成的误差,提高识别或其他应用的精度。又或者希望通过降维算法来寻找数据内部的本质结构特征。机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f:x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度，当然提高维度也是可以的。f可能是显式的或隐式的、线性的或非线性的。
技术实现思路
为克服现有技术的不足，本申请设计了一种车辆低速碰撞信号特征变换方法及系统,利用LLE对汽车碰撞信号提取特征后的数据进行数据变换，它能够使降维后的数据较好地保持原有流形结构。本专利技术旨在提供一种车辆低速碰撞信号特征变换方法，采取技术方案如下所述：S1：首先对车辆低速碰撞信号进行特征提取；S2：寻找每个样本点的k个近邻点；S3：由每个样本点的k个近邻点计...
【技术保护点】
车辆低速碰撞信号特征变换方法，其特征在于，采取技术方案如下所述：S1：首先对车辆低速碰撞信号进行特征提取；S2：寻找每个样本点的k个近邻点；S3：由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵；S4：根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，即得到新的特征向量。
【技术特征摘要】
1.车辆低速碰撞信号特征变换方法，其特征在于，采取技术方案如下所述：S1：首先对车辆低速碰撞信号进行特征提取；S2：寻找每个样本点的k个近邻点；S3：由每个样本点的k个近邻点计算出该样本点的局部重建权值矩阵；S4：根据该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值，即得到新的特征向量。2.根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S1是利用LLE对汽车碰撞信号进行特征提取。3.根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S2中把相对于所求样本点距离最近的K个样本点规定为所求样本点的k个近邻点。4.根据权利要求3所述的车辆低速碰撞信号特征变换方法，其特征在于，所述样本点距离采用欧式距离。5.根据权利要求1所述的车辆低速碰撞信号特征变换方法，其特征在于，步骤S3中是通过如下步骤得出局部重建权值矩阵的：步骤一：首先定义重构误差，其中xi表示一个特定的样本点，xij(j＝1，2......k)是xi的k个临近点,是xi与xij之间的权值，且满足条件步骤二：求出局部协方差矩阵，其中xi表示一个特定的样本点，xij(j＝1，2......k)是xi的k个临近点,xim表示第...
【专利技术属性】
技术研发人员：田雨农，邹秋霞，
申请(专利权)人：大连楼兰科技股份有限公司，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。