摘要
本发明提供一种高速公路路域风险因素识别方法及装置,涉及数据处理技术领域,所述方法包括:从预处理后的数据中提取关键特征,所述关键特征用于风险因素识别;利用关键特征训练神经网络模型,以得到训练后神经网络模型;通过训练后神经网络模型识别风险因素,对风险因素进行关联挖掘,以得到风险因素之间的相互关系;基于风险因素之间的相互关系,为每个风险因素分配一个重要性得分;计算动态调整因子,将动态调整因子与每个风险因素的重要性得分相乘,以得到调整后的重要性得分;根据调整后的重要性得分,对风险因素进行排序,以得到影响高速公路路域风险的关键因素。本发明能够更加准确、高效地识别风险因素。
技术关键词
风险
神经网络模型识别
训练神经网络模型
Apriori算法
识别方法
皮尔逊相关系数
梯度下降算法
能见度
传感器配置
因子
识别特征
优化器
优化神经网络
动态
可读存储介质
训练集数据
置信度阈值
系统为您推荐了相关专利信息
医疗终端
远程控制方法
动态密钥
远程控制指令
动态会话密钥
通讯设备
风险预警方法
多源异构数据
分布式计算节点
风险预警装置