[发明专利]一种根据套牌车识别规则库识别套牌车的方法

摘要

本发明公开了一种根据套牌车识别规则库识别套牌车的方法，包括：步骤1，定义套牌车识别规则库规则结构其中表示在第k条规则中第i个前项(前项因子及取值)，D^k为后项判别类别，β^k为置信度，S^k为支持度，R^k为置信率；步骤2，收集历史套牌车查处数据，建立套牌车分析数据样本基表；步骤3，根据规则库规则结构，采用专门设计的规则生成算法，通过对套牌车分析数据基表数据计算处理，自动生成多前项因子套牌车识别规则，建立套牌车识别规则库，支持信息系统建设，实现套牌车自动识别应用。

主权项

1.一种根据套牌车识别规则库识别套牌车的方法，其特征在于，包括以下步骤：步骤1，定义套牌车识别规则库规则结构；步骤2，收集历史的套牌车查处数据，建立套牌车分析数据样本基表；步骤3，根据步骤1定义的规则结构，通过对套牌车分析数据样本基表中的数据进行计算，自动生成相关规则，实现套牌车自动识别；步骤1中，所述套牌车识别规则库规则结构为：R_k：如果则{(D^k，β^k，S^k，R^k)}，其中表示在第k条规则中第i个前项，即前项因子及取值，M_k表示前项的总数，i＝1，2，…，M_k，k＝1，2，…，L，L表示规则总数，D^k为后项判别类别，β^k为置信度，S^k为支持度，R^k为置信率；通过如下公式计算支持度S^k：其中，|T|为样本总数，|T^k|为支持规则的样本数；通过如下公式计算置信率R^k：其中，表示识别为套牌车的样本占总样本比；步骤2中，所述套牌车分析数据样本基表包含车辆基本信息、车辆监控信息、车辆行为信息、扩展字段、后项判别类别信息，其中，车辆基本信息包括车辆年检信息、车牌是否含易识别错误号码、是否为本地车辆和档次分类；车辆监控信息包括监控与登记信息不同频次、同时段不同地点被监控频次；车辆行为信息包括违章信息、是否被举报为套牌车；扩展字段为备用字段，用于根据应用需求进行字段扩展；后项判别类别信息包括套牌车识别判别结果；步骤3中，计算套牌车识别规则包括如下步骤：步骤3‑1，设定判别置信度阈值ε，ε为能够接受的规则的最低置信度；读取套牌车分析数据样本基表所有数据，构建训练样本总集；步骤3‑2，设定后项判别目标类别D＝1为套牌车，计算D＝1对于每一个前项的前项因子X_i及取值v_j的配对的条件概率，即计算X_i＝v_j的条件概率p(D＝1|X_i＝v_j)：其中，为X_i＝v_j条件下的样本记录条数，为X_i＝v_j并且D＝1的样本记录条数，将计算得到的最大概率值记为p_max；步骤3‑3，如果p_max＜1，选择p_max对应的前项选择属性前项因子与值配对，将其作为当前规则R的一个备选前项，并构建满足该条件的训练子集，若有两个或两个以上前项因子与值配对的条件概率都为p_max，选取训练子集样本记录数多的前项因子与值配对为备选前项；步骤3‑4，对于训练子集，重复执行步骤3‑2～步骤3‑3，如果能够获得p_max＝1，执行步骤3‑5；如果最后构建的训练子集的条件概率p_max仍小于1，则执行步骤3‑7；若两个以上前项因子与值配对的条件概率都为1，选择训练子集样本记录数多的前项因子与值配对执行步骤3‑5；步骤3‑5，如果p_max＝1，则对应的前项为一条目标规则，设置规则置信度为1，根据所述公式和计算该规则的支持度与置信率；步骤3‑6，从训练总集中去去掉该条规则覆盖的所有样例，构成新训练总集，如果新训练总集为空集，则结束，如为非空集，对于新训练总集，重复执行步骤3‑2～步骤3‑5；步骤3‑7，如果最后构建的训练子集的条件概率p_max＜ε，则结束，如果p_max≥ε，则则对应的前项为一条目标规则，规则置信度为p_max，对于该规则，根据所述公式和计算其支持度与置信率；从训练总集中去掉该条规则覆盖的所有样例，构成新训练总集，重复执行步骤3‑2～步骤3‑6直至p_max＜ε，则结束。