针对商业车的车辆应用类型识别,采用了基于信息熵特性权值分配和支持向量机(support vector machines,SVM)多分类的类型识别方法。首先提取了车联网发动机(controller area network,CAN)总线大数据的统计特征,然后通过计算特征信息熵为...针对商业车的车辆应用类型识别,采用了基于信息熵特性权值分配和支持向量机(support vector machines,SVM)多分类的类型识别方法。首先提取了车联网发动机(controller area network,CAN)总线大数据的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立了支持向量机(SVM)多分类器将商用车进行牵引车、自卸车、搅拌车、平板车、消防车的分类。所采用的方法不仅降低了支持向量机的计算复杂度,而且提供了分类精度。通过对某发动机装配的商用车进行大数据分析和SVM建模,结果表明,该方法选用高斯径向基核函数能够有效地对商用车实际类型进行识别区分。展开更多
文摘针对商业车的车辆应用类型识别,采用了基于信息熵特性权值分配和支持向量机(support vector machines,SVM)多分类的类型识别方法。首先提取了车联网发动机(controller area network,CAN)总线大数据的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立了支持向量机(SVM)多分类器将商用车进行牵引车、自卸车、搅拌车、平板车、消防车的分类。所采用的方法不仅降低了支持向量机的计算复杂度,而且提供了分类精度。通过对某发动机装配的商用车进行大数据分析和SVM建模,结果表明,该方法选用高斯径向基核函数能够有效地对商用车实际类型进行识别区分。