摘要
本发明公开了一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法,旨在解决现有操纵稳定性试验项目识别方法因无法量化特征物理量与试验项目相关性导致的科学性和严谨性不足的问题。首先初选试验特征物理量,并引入最大信息系数算法,对试验采集的全部特征物理量进行筛选,获得满足相关性阈值要求的特征物理量子集合,然后采用随机森林算法建立试验项目识别模型,对试验项目模型进行训练,实现对试验项目的自动识别。本发明使用最大信息系数算法量化了特征物理量与试验项目的相关性,其次将相关性高的特征物理量作为随机森林模型的输入进行试验项目识别,保证了识别的准确性,使得识别过程更具科学性与严谨性。
技术关键词
项目自动识别
概率分布函数
数据标签
转向盘
横摆角速度
变量
代表
表达式
汽车
FIR滤波器
随机森林模型
构建决策树
算法
定义标签
定义特征
系统为您推荐了相关专利信息
横摆角速度
四轮独立驱动
转向控制方法
差动转向系统
容错控制器
驾驶员驾驶风格
历史行驶数据
孤立森林算法
车道
标准差特征
深度置信网络模型
概率密度曲线
双谱特征
受限玻尔兹曼机
识别方法
数据线缆
激光测厚仪
计算机可读指令
元学习算法
偏差
计算方法
数据标签
计算机程序指令
动态电压调节
模式