Bayerische Motoren Werke Aktiengesellschaft;Nanyang Technological University
发明人:
Felix Klanner,Ralph Helmar Rasshofer,Haoqui Sun,Yan Yang,Olga Sourina,Cornelia Denk,Guangbin Huang
申请号：
DE102015217336
公开号：
DE102015217336A1
申请日:
2015.09.10
申请国别(地区):
DE
年份:
2017
代理人:
摘要：
Es wird ein Verfahren (300) zur Ermittlung eines Zustands-Klassifikators beschrieben. Das Verfahren (300) umfasst das Ermitteln (304) einer Vielzahl von Trainings-Datensätzen. Desweiteren umfasst das Verfahren (300) das Ermitteln (305, 306), auf Basis der Vielzahl von Trainings-Datensätzen, von Gewichtungswerten für einzelne Ursprungs-Merkmale, wobei ein Gewichtungswert für ein Ursprungs-Merkmal eine Relevanz dieses Ursprungs-Merkmals für den Zustands-Klassifikator anzeigt, und wobei die Gewichtungswerte durch Reduzieren oder Erhöhen einer Optimierungsfunktion ermittelt werden. Die Optimierungsfunktion umfasst dabei einen ersten Eliminierungs-Term, der es belohnt, wenn alle Ursprungs-Merkmale einer bestimmten Datenquelle (103, 104, 105) einer Vielzahl von unterschiedlichen Datenquellen (103, 104, 105) für den Zustands-Klassifikator irrelevant sind. Desweiteren umfasst die Optimierungsfunktion einen zweiten Eliminierungs-Term, der es belohnt, wenn ein einzelnes Ursprungs-Merkmal für den Zustands-Klassifikator irrelevant ist. Es kann so auf Basis der Gewichtungswerte eine relevante Untermenge der Vielzahl von Ursprungs-Merkmalen für den Zustands-Klassifikators ausgewählt werden.A method (300) for determining a state classifier is described. The method (300) includes determining (304) a plurality of training records. The method (300) further comprises determining (305, 306), based on the plurality of training data sets, weighting values for individual originating features, wherein a weighting value for an originating feature comprises a relevance of this originating characteristic for the status Classifier, and where the weighting values are determined by reducing or increasing an optimization function. The optimization function comprises a first elimination term, which rewards it if all the source characteristics of a particular data source (103, 104, 105) of a plurality of different data sources (103, 104, 105) are irrelevant to the state classifier. Furthermore,
