[发明专利]一种基于多源信息熵差异性的数据降维方法及装置

权利要求书

1.一种基于多源信息熵差异性的数据降维方法，其特征在于，所述方法包括:

S11、在从每一车辆的多个传感器同一时刻获取的数据中提取特征数据集合，所述特征数据集合包括每一车辆的特征数据样本，每一特征数据样本包括多个特征矩阵，每一特征矩阵包括多个特征向量；

S12、在每一车辆的所述特征数据样本的多个特征矩阵中，统计每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率；

S13、根据所述每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率，计算所述每一特征向量所属特征矩阵的信息熵；

S14、根据每一车辆的同一特征矩阵的信息熵，计算所述特征矩阵的信息熵集合的均值；

S15、根据所述特征矩阵的信息熵集合的均值、所述每一车辆的同一特征矩阵的信息熵集合计算所述特征矩阵的信息熵集合的方差；

S16、比较所述特征矩阵的信息熵集合的方差和预设特征阈值；

S17、当所述特征矩阵的信息熵集合的方差小于所述预设特征阈值时，删除所述每一车辆的所述特征矩阵，形成降维的每一特征数据样本。

2.如权利要求1所述的方法，其特征在于，所述特征数据集合为X＝{x₁,x₂,...,x_N}，所述N为车辆的数量，所述x_N为第N辆车的特征数据样本；其中每一特征数据样本包括多个特征矩阵，表示为所述为第i辆车的第d个传感器所采集到的一个特征矩阵；每一特征矩阵表示为所述为所述特征矩阵，为特征向量，m为每一特征矩阵所包含特征向量的数量。

3.如权利要求2所述的方法，其特征在于，实现步骤S13的方法具体为通过下述公式计算所述每一特征向量所属特征矩阵的信息熵：

其中，所述每一特征矩阵的信息熵为所述为每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率。

4.如权利要求3所述的方法，其特征在于，在所述步骤S14中具体采用下述公式来计算所述特征矩阵的信息熵集合的均值：

其中，为所述特征矩阵的信息熵集合，所述M为特征矩阵的信息熵集合的均值。

5.如权利要求4所述的方法，其特征在于，在所述步骤S15中具体采用下述公式来计算所述特征矩阵的信息熵集合的方差：

其中，为所述特征矩阵的信息熵集合的方差。

6.如权利要求1所述的方法，其特征在于，所述步骤S16之前还包括如下步骤：

利用所述多个传感器获取天气信息、时间信息和工况信息；

根据所述天气信息、时间信息和工况信息，选取与所述天气信息和工况信息对应的预设特征阈值。

7.如权利要求1所述的方法，其特征在于，所述方法还包括如下步骤：

当所述特征矩阵的信息熵集合的方差大于或等于所述预设特征阈值时，保留所述每一车辆的所述特征矩阵。