斯模型G2 (\v)中的期望/<,2:，方差^時(shí)，和采用極大似然估計(jì)法計(jì)算已保 留的車(chē)輛油位數(shù)據(jù)的訓(xùn)練樣本的關(guān)于相關(guān)系數(shù)的高斯模型Gi(\v)中的期望,<，方差 相似，在此不再一一贅述。
[0086] 將計(jì)算出的期望&，方差 < 帶入到式（14)中，即可獲得構(gòu)建的已剔除的車(chē)輛油 位數(shù)據(jù)的訓(xùn)練樣本的關(guān)于相關(guān)系數(shù)的高斯模型G2(\v)。
[0087] 步驟202,構(gòu)建貝葉斯分類(lèi)器并對(duì)所構(gòu)建的貝葉斯分類(lèi)器進(jìn)行驗(yàn)證。
[0088] 具體地，本實(shí)施例中，如圖4所示，步驟202可分為以下五個(gè)步驟執(zhí)行。
[0089] 步驟202a，獲取n2個(gè)已保留的車(chē)輛油位數(shù)據(jù)的測(cè)試樣本和n2個(gè)已剔除的車(chē)輛油 位數(shù)據(jù)測(cè)試樣本，組成測(cè)試集N2。
[0090] 本實(shí)施例中，已保留的車(chē)輛油位數(shù)據(jù)的測(cè)試樣本的個(gè)數(shù)和已剔除的車(chē)輛油位數(shù)據(jù) 測(cè)試樣本的個(gè)數(shù)％可以等于已保留的車(chē)輛油位數(shù)據(jù)的訓(xùn)練樣本的個(gè)數(shù)或小于已保留的車(chē) 輛油位數(shù)據(jù)的訓(xùn)練樣本的個(gè)數(shù)Ii1。
[0091] 本實(shí)施例中，對(duì)已保留的車(chē)輛油位數(shù)據(jù)的測(cè)試樣本和已剔除的車(chē)輛油位數(shù)據(jù)測(cè)試 樣本的獲取方法和本實(shí)施例二的步驟201a中的已保留的車(chē)輛油位數(shù)據(jù)的訓(xùn)練樣本和已剔 除的車(chē)輛油位數(shù)據(jù)訓(xùn)練樣本的獲取方法相似，此處不再一一贅述。
[0092] 步驟202b，計(jì)算測(cè)試集N2中每個(gè)測(cè)試樣本對(duì)應(yīng)的離散系數(shù)c' Vik和相關(guān)系數(shù) r，q,v,k〇
[0093] 本實(shí)施例中，在計(jì)算測(cè)試集N2中每個(gè)測(cè)試樣本對(duì)應(yīng)的離散系數(shù)c' Vik和相關(guān)系數(shù) r' ^^寸，其計(jì)算方法和本發(fā)明車(chē)輛油位數(shù)據(jù)的篩選方法實(shí)施例一中的步驟101-步驟1〇2 相似，再次不再一一贅述。
[0094]步驟202c，根據(jù)每個(gè)測(cè)試樣本對(duì)應(yīng)的離散系數(shù)c'v』，相關(guān)系數(shù)r'。0及預(yù)先構(gòu) 建的相應(yīng)的高斯模型，計(jì)算每個(gè)測(cè)試樣本％對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)保留概率P(ukIyi)和預(yù)剔 除概率P(Uk |y2)。
[0095] 本實(shí)施例中，首先根據(jù)式（5)中所示的關(guān)于離散系數(shù)Cv的高斯模型Gi(Cv)，將每個(gè) 測(cè)試樣本％的離散系數(shù)c'Vik帶入到式（5)中，獲得每個(gè)測(cè)試樣本Uk關(guān)于于離散系數(shù)Cv 的第一預(yù)保留概率P(c'Vik|yi);根據(jù)式（9)中所示的關(guān)于離散系數(shù)Cv的高斯模型G2(Cv), 將每個(gè)測(cè)試樣本％的離散系數(shù)c'Vik帶入到式（9)中，獲得每個(gè)測(cè)試樣本Uk關(guān)于離散系數(shù) cv的第一預(yù)剔除概率P(c'v,k|y2)〇
[0096] 然后根據(jù)式（10)中所示的關(guān)于相關(guān)系數(shù)rqiV的高斯模型G1 (rqiV)，將每個(gè)測(cè)試樣本 Uk的相關(guān)系數(shù)r'。^帶入到式（10)中，獲得每個(gè)測(cè)試樣本Uk關(guān)于相關(guān)系數(shù)rq，v的第二預(yù) 保留概率P(r' ^1Jy1);根據(jù)式（14)中所示的關(guān)于相關(guān)系數(shù)的高斯模型G2(\v)，將每 個(gè)測(cè)試樣本Uk的相關(guān)系數(shù)r' 入到式（14)中，獲得每個(gè)測(cè)試樣本Uk關(guān)于相關(guān)系數(shù) r'q,v,k的第二預(yù)剔除概率P(c'v,k|y2)〇
[0097] 最后計(jì)算每個(gè)測(cè)試樣本Uk對(duì)應(yīng)車(chē)輛油位數(shù)據(jù)的與保留概率和預(yù)剔除概率。
[0098] 其中，每個(gè)測(cè)試樣本Uk對(duì)應(yīng)車(chē)輛油位數(shù)據(jù)的預(yù)保留概率P(ukIyi)和預(yù)剔除概率 P(U1Jy2)分別表示為式（15)和式（16)所示：
[0099] P(UkIy1) =P(crVikIy1)XP(rr^vjJy1) (15)
[0100] P(uk|y2) =P(crVjk|y2)XP(r,qiVjk|y2) (16)
[0101] 步驟202d，構(gòu)建貝葉斯分類(lèi)器P(ukI-P(uk|y2) >T。
[0102] 其中，T表示貝葉斯分類(lèi)器的分類(lèi)閾值。
[0103] 本實(shí)施例中，預(yù)先獲知每個(gè)測(cè)試樣本Uk對(duì)應(yīng)的車(chē)輛的油位數(shù)據(jù)是已保留的數(shù)據(jù)類(lèi) 型還是已剔除的數(shù)據(jù)類(lèi)型，針對(duì)貝葉斯分類(lèi)器的分類(lèi)閾值T，當(dāng)貝葉斯分類(lèi)器的分類(lèi)閾值T 取不同的值時(shí)，對(duì)測(cè)試集N2中的測(cè)試樣本的分類(lèi)準(zhǔn)確率會(huì)有所不同。所以，需要對(duì)貝葉斯 分類(lèi)器進(jìn)行驗(yàn)證，獲取到使貝葉斯分類(lèi)器分類(lèi)最優(yōu)的分類(lèi)閾值Tf。
[0104] 步驟202e，根據(jù)每個(gè)測(cè)試樣本對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)保留概率P(ukIyi)和預(yù)剔除概 率P(UkIy2)，采用蒙特卡洛交叉驗(yàn)證的方法確定貝葉斯分類(lèi)器的最優(yōu)分類(lèi)閾值Tf，以獲得驗(yàn) 證后的最終分類(lèi)器。
[0105] 本實(shí)施例中，采用蒙特卡洛交叉驗(yàn)證的方法確定貝葉斯分類(lèi)器的最優(yōu)分類(lèi)閾值 Tf，以獲得驗(yàn)證后的最終分類(lèi)器具體包括：
[0106] 對(duì)分類(lèi)閾值T等間隔的取值，如以0. 05為間隔，對(duì)分類(lèi)閾值T分別取值為0. 1， 0. 15,0. 2,0. 25，……，0. 9,0.95。在分類(lèi)閾值取每個(gè)值時(shí)，將測(cè)試集隊(duì)中的每個(gè)測(cè)試樣 本％對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)保留概率P(U1Jy1)和預(yù)剔除概率P(U1Jy2)輸入到貝葉斯分類(lèi)器 P(ukIyi)-P(ukIy2) >T中，若在某個(gè)閾值1\下，將某個(gè)測(cè)試樣本輸入到構(gòu)建的貝葉斯分類(lèi)器， 該分類(lèi)器不等式取值為真，同時(shí)測(cè)試樣本標(biāo)記為已保留樣本，即可信用樣本，則判斷準(zhǔn)確次 數(shù)加1，計(jì)算分類(lèi)閾值在每個(gè)取值T1下測(cè)試集N2中測(cè)試樣本分類(lèi)的準(zhǔn)確次數(shù)，取出最大準(zhǔn) 確次數(shù)下對(duì)應(yīng)的分類(lèi)閾值Tf，Tf為貝葉斯分類(lèi)器的最優(yōu)分類(lèi)閾值，，則將T=Tf帶入到貝葉 斯分類(lèi)器中構(gòu)成的分類(lèi)器P(ukIyi)-P(ukIy2) >Tf為驗(yàn)證后的最終分類(lèi)器。
[0107] 步驟203,獲取待處理車(chē)輛在預(yù)設(shè)時(shí)間內(nèi)的油位數(shù)值記錄f^，油耗數(shù)值記錄qu 及行程區(qū)間速度記錄
[0108] 步驟204,根據(jù)油位數(shù)值記錄& ,計(jì)算關(guān)于油位數(shù)值的離散系數(shù)cVi]，并根據(jù)油 耗數(shù)值記錄及行程區(qū)間速度記錄Vu計(jì)算關(guān)于油耗數(shù)值與行程區(qū)間速度的相關(guān)系數(shù) V,j °
[0109] 本實(shí)施例中，步驟203-步驟204與本發(fā)明車(chē)輛油位數(shù)據(jù)的篩選方法實(shí)施例一的步 驟101-步驟102相同，在此不再--贅述。
[0110] 步驟205,根據(jù)待處理車(chē)輛對(duì)應(yīng)的離散系數(shù)Cvi ,，相關(guān)系數(shù)及預(yù)先構(gòu)建的相應(yīng) 的高斯模型，計(jì)算待處理車(chē)輛對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)保留概率和預(yù)剔除概率。
[0111] 進(jìn)一步地，如圖5所示，本實(shí)施例中，步驟205可分為以下四個(gè)步驟執(zhí)行。
[0112] 步驟205a，將待處理車(chē)輛對(duì)應(yīng)的離散系數(shù)& ,輸入到預(yù)先構(gòu)建的關(guān)于離散系數(shù)cv 的高斯模型G(Cv)中，計(jì)算第一預(yù)保留概率P(CyIy1)和第一預(yù)剔除概率P(cVi]|y2)。
[0113] 具體地，本實(shí)施例中，將待處理車(chē)輛對(duì)應(yīng)的離散系數(shù)cVi]輸入到式（5)表示的預(yù)先 構(gòu)建的關(guān)于離散系數(shù)Cv的高斯模型G1 (Cv)中，由于關(guān)于離散系數(shù)Cv的高斯模型G1 (Cv)中的 期望/Z11，方差是已知量，所以可計(jì)算待處理車(chē)輛關(guān)于離散系數(shù)&,的預(yù)保留概率，該概 率稱(chēng)為第一預(yù)保留概率P(cVi]Iyi)。
[0114] 將待處理車(chē)輛對(duì)應(yīng)的離散系數(shù)cVij輸入到式（9)表示的關(guān)于離散系數(shù)cv的高斯 模型G2(Cv)中，由于關(guān)于離散系數(shù)Cv的高斯模型G2(Cv)中的期望/V，方差都為已知 量，所以可計(jì)算待處理車(chē)輛關(guān)于離散系數(shù)&,的預(yù)剔除概率，該概率稱(chēng)為第一預(yù)剔除概率P(Cjy2)。
[0115] 步驟205b，將待處理車(chē)輛對(duì)應(yīng)的相關(guān)系數(shù)輸入到預(yù)先構(gòu)建的關(guān)于相關(guān)系數(shù) rq，v的高斯模型G(rq，v)中，計(jì)算第二預(yù)保留概率P(^yly1)和第二預(yù)剔除概率P(^yly2)13
[0116] 同理，本實(shí)施例中，將待處理車(chē)輛對(duì)應(yīng)的相關(guān)系數(shù)\^輸入到式（10)表示的預(yù)先 構(gòu)建的關(guān)于相關(guān)系數(shù)rqiV的高斯模型Gi(rqiv)中，由于關(guān)于相關(guān)系數(shù)rqiV的高斯模型Gi(rqiV) 中的期望^,，方差<是已知量，所以可計(jì)算待處理車(chē)輛關(guān)于相關(guān)系數(shù)的預(yù)保留概率， 該概率稱(chēng)為第二預(yù)保留概率P(AyIyl)。
[0117] 將待處理車(chē)輛對(duì)應(yīng)的相關(guān)系數(shù)&^輸入到式（14)表示的關(guān)于相關(guān)系數(shù)rqiV的高 斯模型G2(rq，v)中，由于關(guān)于相關(guān)系數(shù)rq，v的高斯模型G2(rq，v)中的期望方差都為 已知量，所以可計(jì)算待處理車(chē)輛關(guān)于相關(guān)系數(shù)的預(yù)剔除概率，該概率稱(chēng)為第二預(yù)剔除概 率P(rq，v，jI5^2)。
[0118] 步驟205c，根據(jù)第一預(yù)保留概率P(CyIy1)和第二預(yù)保留概率P(F^Iy1)計(jì)算待 處理車(chē)輛對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)保留概率P(UjIyi)。
[0119] 其中，待處理車(chē)輛對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)保留概率P(U]|yi)可表示為式（17)所示：
[0120] P(UjIy1)=P(CvJy 1)XPUy1) (17)
[0121] 步驟205d，根據(jù)第一預(yù)剔除概率P(cVi] |y2)和第二預(yù)剔除概率P(F^Iy2)計(jì)算待 處理車(chē)輛對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)剔除概率P(u]Iy2)。
[0122] 其中，待處理車(chē)輛對(duì)應(yīng)的油位數(shù)據(jù)的預(yù)剔除概率P(U]|y2)可表示為式（1