本发明属于信息安全,具体涉及一种数据辨识方法、装置、电子设备及存储介质。
背景技术:
1、在车路协同等应用场景下,通过提取可信的车辆驾驶数据的特征向量,能够确定驾驶员的驾驶行为,从而对道路交通情况或交通发展趋势等进行判断,进而确定相应的控制策略。在提取特征向量之前,需要先对车辆驾驶数据进行可信辨识,以保证制定的控制策略的准确性,以及保障行驶安全。
2、然而,相关技术中对驾驶数据的可信辨识结果准确度不高。
技术实现思路
1、为解决相关技术问题,本发明实施例提供了一种数据辨识方法、装置、电子设备及存储介质。
2、本发明实施例的技术方案是这样实现的:
3、本发明实施例提供一种数据辨识方法,应用于电子设备,包括:
4、获取第一数据;所述第一数据表征车辆行驶过程中的驾驶情况;
5、利用第一模型提取所述第一数据的第一特征向量;所述第一模型包含长短期记忆(lstm,long short-term memory)网络自编码器;
6、利用所述第一模型和所述第一特征向量,生成第二数据;所述第二数据表征重构的车辆行驶过程中的驾驶情况;
7、基于所述第一数据和所述第二数据,确定第一信息;所述第一信息表征第一数据是否为可信信息。
8、上述方案中,基于所述第一数据和所述第二数据,确定第一信息,包括:
9、计算所述第二数据和所述第一数据的均方误差(mse);
10、判断计算得到的mse是否符合预设条件,得到判断结果;
11、基于所述判断结果,确定第一信息。
12、上述方案中,所述基于所述判断结果,确定第一信息,包括:
13、在mse小于或等于预设阈值的情况下,第二数据表征第一数据为可信信息;
14、或者,
15、在mse大于预设阈值的情况下,第二数据表征第一数据为不可信信息。
16、上述方案中,所述方法还包括:
17、获取第三数据,并利用第一模型提取第三数据的第二特征向量;所述第三数据表征车辆行驶过程中的历史驾驶情况;
18、利用第一模型和第二特征向量,生成第四数据;所述第四数据表征重构的车辆行驶过程中的历史驾驶情况;
19、确定第二信息;所述第二信息表征第四数据和第三数据的mse分布情况;
20、基于所述第二信息,确定预设阈值。
21、上述方案中,所述预设阈值为5。
22、上述方案中,其特征在于,所述lstm网络包含非线性激活函数。
23、上述方案中,所述lstm网络自编码器的编码特征向量长度可变。
24、本发明实施例还提供一种数据辨识装置,包括:
25、获取单元,用于获取第一数据;所述第一数据表征车辆行驶过程中的驾驶情况;
26、特征提取单元,用于利用第一模型提取所述第一数据的第一特征向量;所述第一模型包含lstm网络自编码器;
27、处理单元,用于利用第一模型和所述第一特征向量,生成第二数据;所述第二数据表征重构的车辆行驶过程中的驾驶情况;以及,用于基于所述第一数据和所述第二数据,确定第一信息;所述第一信息表征第一数据是否为可信信息。
28、本发明实施例还提供一种电子设备,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,
29、其中,所述处理器用于运行所述计算机程序时,执行上述任一方法的步骤。
30、本发明实施例还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述任一方法的步骤。
31、本发明提供了一种数据辨识方法、装置、电子设备及存储介质,获取第一数据;所述第一数据表征车辆行驶过程中的驾驶情况;利用第一模型提取所述第一数据的第一特征向量;所述第一模型包含lstm网络自编码器;利用所述第一模型和所述第一特征向量,生成第二数据;所述第二数据表征重构的车辆行驶过程中的驾驶情况;基于所述第一数据和所述第二数据,确定第一信息;所述第一信息表征第一数据是否为可信信息。本发明提供的方案,通过lstm网络自编码器提取驾驶数据的特征向量,实现了对驾驶数据中非线性关系数据的提取和解析,从而提升获取的特征向量的多样性和复杂度,提高可信辨识结果的准确性。
1.一种数据辨识方法,其特征在于,应用于电子设备,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述第一数据和所述第二数据,确定第一信息,包括:
3.根据权利要求2所述的方法,其特征在于,基于所述判断结果,确定第一信息,包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求3所述的方法,其特征在于,所述预设阈值为5。
6.根据权利要求1所述的方法,其特征在于,所述lstm网络包含非线性激活函数。
7.根据权利要求1所述的方法,其特征在于,所述lstm网络自编码器的编码特征向量长度可变。
8.一种数据辨识装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。