[发明专利]一种污染物排放超标车辆判断方法及系统

权利要求书

1.一种污染物排放超标车辆判断方法，其特征在于，包括：

获取M个污染源的遥感检测数据，并利用怠速法对M个污染源进行检测，得到与所述M个污染源的遥感检测数据对应的检测结果；

将所述M个污染源的遥感检测数据及其对应的检测结果作为候选样本集，以对预先构建的宽度学习模型进行迭代训练，得到分类模型，包括：

从所述候选样本集中随机选取部分数据作为训练集，余下数据作为测试集；

利用训练集中的训练数据对预先构建的宽度学习模型进行迭代训练，得到训练后的模型；

利用测试集中的测试数据对所述训练后的模型进行测试，得到所述分类模型；所述预先构建的宽度学习模型为基于代价敏感宽度学习模型，该模型的代价敏感的损失函数为：

其中，E表示代价敏感的损失函数，1≤j≤a，a表示所述训练集中训练数据的总数量，表示所述训练集中第j个训练数据所对应的检测结果，表示所述训练集中第j个训练数据所对应的模型输出；

利用分类模型对污染源的遥感检测数据进行处理，判断该污染源是否超标。

2.如权利要求1所述的污染物排放超标车辆判断方法，其特征在于，在所述获取M个污染源的遥感检测数据之后，还包括：

对所述获取的M个污染源的遥感检测数据进行标准化处理；

相应地，利用怠速法对M个污染源进行检测，得到与所述M个污染源的遥感检测数据对应的检测结果。

3.如权利要求1所述的污染物排放超标车辆判断方法，其特征在于，还包括：

计算所述训练后的模型在所述训练集上的分类正确率，作为第一分类正确率；

计算所述分类模型在所述测试集上的分类正确率，作为第二分类正确率；

根据第一分类正确率和第二分类正确率，判断所述训练后的模型是否存在过拟合或者欠拟合；

若是，则调整所述预先构建的宽度学习模型中的超参数取值，并重新执行所述利用训练集中的训练数据对构建的宽度学习模型进行迭代训练，得到训练后的模型。

4.一种污染物排放超标车辆判断系统，其特征在于，包括数据获取模块、检测模块、训练模块以及判断模块；

数据获取模块用于获取M个污染源的遥感检测数据；

检测模块用于利用怠速法对M个污染源进行检测，得到与所述M个污染源的遥感检测数据对应的检测结果；

训练模块用于将所述M个污染源的遥感检测数据及其对应的检测结果作为候选样本集，以对预先构建的宽度学习模型进行迭代训练，得到分类模型；

所述训练模块包括选取单元、训练单元和测试单元；

选取单元用于从所述候选样本集中随机选取部分数据作为训练集，余下数据作为测试集；

训练单元用于利用训练集中的训练数据对预先构建的宽度学习模型进行迭代训练，得到训练后的模型；

测试单元用于利用测试集中的测试数据对所述训练后的模型进行测试，得到所述分类模型；

所述宽度学习模型为基于代价敏感宽度学习模型，该模型的代价敏感的损失函数为：

其中，E表示代价敏感的损失函数，1≤j≤a，a表示所述训练集中训练数据的总数量，表示所述训练集中第j个训练数据所对应的检测结果，表示所述训练集中第j个训练数据所对应的模型输出；

判断模块用于利用分类模型对污染源的遥感检测数据进行处理，判断该污染源是否超标。

5.如权利要求4所述的污染物排放超标车辆判断系统，其特征在于，还包括标准化模块，其用于对所述获取的M个污染源的遥感检测数据进行标准化处理。

6.如权利要求5所述的污染物排放超标车辆判断系统，其特征在于，还包括第一计算模块、第二计算模块、拟合判断模块和超参数调整模块；

第一计算模块用于计算所述训练后的模型在所述训练集上的分类正确率，作为第一分类正确率；

第二计算模块用于计算所述分类模型在所述测试集上的分类正确率，作为第二分类正确率；

拟合判断模块用于根据第一分类正确率和第二分类正确率，判断所述训练后的模型是否存在过拟合或者欠拟合；

超参数调整模块用于在所述拟合判断模块的判断结果为是时，调整所述预先构建的宽度学习模型中的超参数取值，并重新执行所述利用训练集中的训练数据对构建的宽度学习模型进行迭代训练，得到训练后的模型。