【技术实现步骤摘要】
本申请涉及计算机，并且更具体地涉及计算机中一种数据处理方法、装置及电子设备。
技术介绍
1、随着车联网技术的蓬勃发展，车辆与网络的紧密连接带来了大量的车联网数据。这些车联网数据体现了与车辆有关的信息，具体包括车辆状态、行驶轨迹、驾驶行为、交通流量等多方面信息，其规模呈现出爆炸性的增长趋势。对车联网数据进行计算分析，可以辅助驾驶人员驾驶车辆，或实现车辆的无人驾驶等。
2、然而，随着车联网数据的快速增长，对这些车联网数据进行收集、存储、分析和应用等处理所需的计算资源和处理能力也不断增加，例如需要更多的存储空间、更强的计算性能和更高的网络带宽。这不仅对计算基础设施提出了更高的要求，也影响到了车联网数据处理和应用的效率和实时性，限制了车联网数据在实际应用中的灵活性和效能。
技术实现思路
1、本申请实施例提供了一种数据处理方法、装置及电子设备，可以提高数据处理效率。所述技术方案如下：
2、第一方面，本申请实施例提供了一种数据处理方法，所述方法包括：
3、将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一特征数据，以及所述第二分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第二特征数据；
4、对所述第一特征数据和所述第二特征数据进行融合处理，得到融合特征数据；
5、将所述融合特征数据输入至所述第一分类模型中，得到所述第一分类模型
6、其中，所述第一分类模型用于分析所述车辆问题相关的线性数据特征和/或结构化数据特征，所述第二分类模型用于分析与所述车辆问题相关的非线性数据特征和/或非结构化数据特征。
7、通过上述技术方案，通过将与车辆问题相关的至少一个目标车辆数据分别输入至用于分析不同数据特征的第一分类模型和第二分类模型中，得到第一分类模型输出的第一特征数据和第二分类模型输出的第二特征数据，如此可以得到相同目标车辆数据对应的不同特征数据，提高特征数据的全面性，进一步将第一特征数据和第二特征数据进行融合得到融合特征数据，也即对车辆数据进行多次的利用和特征融合，可以提高车辆数据精度，得到更全面的信息，最后，由于第一用于分析线性数据特征和/或结构化数据特征的第一分类模型比用于分析与非线性数据特征和/或非结构化数据特征的第二分类模型的计算复杂度低，因此，可以充分利用已有的计算资源，通过将融合特征数据输入至计算复杂度较低的第一分类模型中，利用第一分类模型高效精准地得到用于分析车辆问题的第一分类结果，在不增加存储空间、网络带宽等计算成本的前提下，提高数据处理和应用的实时性和灵活性，以及提高对车辆问题的分析结果的准确性和可靠性。
8、结合第一方面，在某些可能的实施方式中，所述将所述融合特征数据输入至所述第一分类模型中，得到所述第一分类模型对所述融合特征数据进行分类处理得到的第一分类结果之后，还包括：
9、将所述第一分类结果和所述至少一个目标车辆数据输入至所述第二分类模型中，得到所述第二分类模型对所述第一分类结果和所述至少一个目标车辆数据进行分类处理得到的第二分类结果；其中，所述第二分类结果用于表征针对所述车辆问题的分析结果。
10、通过上述技术方案，进一步将第一分类结果和至少一个目标车辆数据输入到第二分类模型中得到第二分类结果，以使第二分类模型对车辆问题进一步进行分析，第二分类结果可以包括更多的细节和特征，对车辆问题的分析更准确。
11、结合第一方面，在某些可能的实施方式中，所述将所述第一分类结果和所述至少一个目标车辆数据输入至所述第二分类模型中，得到所述第二分类模型对所述第一分类结果和所述至少一个目标车辆数据进行分类处理得到的第二分类结果之后，还包括：
12、将所述第一分类结果和所述第二分类结果进行融合处理，得到融合分类结果；其中，所述融合分类结果用于表征针对所述车辆问题的分析结果。
13、通过上述技术方案，进一步将第一分类结果和第二分类结果进行融合，得到融合分类结果，这一过程不仅考虑了不同分类结果的概率分布，也充分挖掘了不同分类结果之间的内在联系。具体地，每个分类结果都由多个特征进行分类得出，因此第一分类结果和第二分类结果可以表示为多个特征的组合，从而得到更加准确的分类结果。
14、结合第一方面，在某些可能的实施方式中，所述将所述第一分类结果和所述第二分类结果进行融合处理，得到融合分类结果，包括：
15、根据预设的第一分类结果和第二分类结果分别对应的权重值，将所述第一分类结果和所述第二分类结果进行加权融合处理，得到融合分类结果。
16、结合第一方面，在某些可能的实施方式中，所述第一分类模型为贝叶斯模型，所述第二分类模型为支持向量机模型。
17、通过上述技术方案，确定第一分类模型为贝叶斯模型，以及确定第二分类模型为支持向量机模型，通过合适的模型选择可以在数据处理中降低计算成本，同时保持数据分析和决策的准确性。
18、结合第一方面，在某些可能的实施方式中，所述将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一特征数据，以及所述第二分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第二特征数据之前，还包括：
19、获取多个特征类型分别对应的至少一个车辆数据，所述特征类型至少包括下述特征类型的一个：传感器特征类型、空间特征类型、时间特征类型、环境特征类型、车辆特征类型、交通特征类型、驾驶行为特征类型；
20、根据所述多个特征类型分别与所述车辆问题之间的相关性，确定与所述车辆问题之间的相关性高于预设相关性阈值的至少一个目标特征类型，将所述至少一个目标特征类型分别对应的至少一个车辆数据作为目标车辆数据。
21、通过上述技术方案，通过特征类型在多个车辆数据中确定与车辆问题之间的相关性高于预设相关性阈值的至少一个目标车辆数据，选择相关性较高的目标车辆数据，可以使后续的分类模型基于至少一个目标车辆数据得到分类结果时避免了无关数据的干扰和冗余计算。
22、结合第一方面，在某些可能的实施方式中，所述将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一特征数据，以及所述第二分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第二特征数据，包括：
23、将至少一个所述目标车辆数据进行降维转换处理，得到处理数据；
24、将所述处理数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述处理数据进行特征提取处理得到的第一特征数据，以及所述第二分类模型对本文档来自技高网...
【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的数据处理方法，其特征在于，所述将所述融合特征数据输入至所述第一分类模型中，得到所述第一分类模型对所述融合特征数据进行分类处理得到的第一分类结果之后，还包括：
3.根据权利要求2所述的数据处理方法，其特征在于，所述将所述第一分类结果和所述至少一个目标车辆数据输入至所述第二分类模型中，得到所述第二分类模型对所述第一分类结果和所述至少一个目标车辆数据进行分类处理得到的第二分类结果之后，还包括：
4.根据权利要求3所述的数据处理方法，其特征在于，所述将所述第一分类结果和所述第二分类结果进行融合处理，得到融合分类结果，包括：
5.根据权利要求1所述的数据处理方法，其特征在于，所述第一分类模型为贝叶斯模型，所述第二分类模型为支持向量机模型。
6.根据权利要求1所述的数据处理方法，其特征在于，所述将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一特征数据，以及所述
7.根据权利要求6所述的数据处理方法，其特征在于，所述将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一特征数据，以及所述第二分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第二特征数据，包括：
8.根据权利要求1所述的数据处理方法，其特征在于，所述将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一特征数据，以及所述第二分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第二特征数据，包括：
9.一种数据处理装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～8任意一项的方法步骤。
...【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的数据处理方法，其特征在于，所述将所述融合特征数据输入至所述第一分类模型中，得到所述第一分类模型对所述融合特征数据进行分类处理得到的第一分类结果之后，还包括：
3.根据权利要求2所述的数据处理方法，其特征在于，所述将所述第一分类结果和所述至少一个目标车辆数据输入至所述第二分类模型中，得到所述第二分类模型对所述第一分类结果和所述至少一个目标车辆数据进行分类处理得到的第二分类结果之后，还包括：
4.根据权利要求3所述的数据处理方法，其特征在于，所述将所述第一分类结果和所述第二分类结果进行融合处理，得到融合分类结果，包括：
5.根据权利要求1所述的数据处理方法，其特征在于，所述第一分类模型为贝叶斯模型，所述第二分类模型为支持向量机模型。
6.根据权利要求1所述的数据处理方法，其特征在于，所述将与车辆问题相关的至少一个目标车辆数据分别输入至第一分类模型和第二分类模型中，得到所述第一分类模型对所述至少一个目标车辆数据进行特征提取处理得到的第一...
【专利技术属性】
技术研发人员：李明，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：
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。