本發(fā)明涉及數(shù)據(jù)處理，特別涉及一種數(shù)據(jù)的特征選擇方法、系統(tǒng)、設(shè)備與介質(zhì)。

背景技術(shù)：

1、隨著科技的快速進(jìn)步，各個(gè)領(lǐng)域產(chǎn)生了海量的數(shù)據(jù)，研究人員期望從數(shù)據(jù)中發(fā)掘出最關(guān)鍵的特征。

2、特征選擇是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘中的重要技術(shù)，旨在從原始特征集合中選擇最相關(guān)、最有代表性的特征子集，以用于建立高效、精確的預(yù)測(cè)模型和分析過(guò)程。

3、現(xiàn)有技術(shù)中，由于數(shù)據(jù)集當(dāng)中包含的大量特征之間存在復(fù)雜的關(guān)聯(lián)和相互作用，傳統(tǒng)的特征選擇方法可能無(wú)法捕捉到這些關(guān)系，導(dǎo)致獲得的特征關(guān)聯(lián)性和精確度較差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種數(shù)據(jù)的特征選擇方法、系統(tǒng)、設(shè)備與介質(zhì)，以解決現(xiàn)有技術(shù)中由于數(shù)據(jù)集當(dāng)中包含的大量特征之間存在復(fù)雜的關(guān)聯(lián)和相互作用，傳統(tǒng)的特征選擇方法可能無(wú)法捕捉到這些關(guān)系，導(dǎo)致獲得的特征關(guān)聯(lián)性和精確度較差的問(wèn)題。

2、本發(fā)明具體提供如下技術(shù)方案：

3、一種數(shù)據(jù)的特征選擇方法，包括如下步驟：

4、獲取目標(biāo)數(shù)據(jù)集；其中目標(biāo)數(shù)據(jù)集中的數(shù)據(jù)為圖像數(shù)據(jù)；

5、基于目標(biāo)數(shù)據(jù)集生成種群，并初始化包括種群位置的[0,1]矩陣，將種群中的個(gè)體值映射到[0,1]之間，且將數(shù)據(jù)集中個(gè)體值為1的特征輸入到knn分類(lèi)器中，獲取適應(yīng)度值，并通過(guò)軟搜索策略或硬穿刺策略對(duì)個(gè)體進(jìn)行更新；

6、在個(gè)體更新時(shí)，將群體捕食策略引入軟搜索策略或硬穿刺策略中，獲取更新后的個(gè)體，并在狩獵困難時(shí)通過(guò)對(duì)新的個(gè)體進(jìn)行更新，判斷是否尋找新的獵物，在需要尋找新的獵物時(shí)再次進(jìn)行個(gè)體更新；

7、將更新后的個(gè)體輸入knn分類(lèi)器中獲取適應(yīng)度值，并與更新前個(gè)體的適應(yīng)度值進(jìn)行比較，獲得適應(yīng)度值最好的個(gè)體，以適應(yīng)度最好的個(gè)體作為最優(yōu)特征子集。

8、優(yōu)選的，所述將種群中的個(gè)體值映射到[0,1]之間，包括：

9、通過(guò)v型函數(shù)進(jìn)行個(gè)體值映射，具體表達(dá)式為：

10、

11、其中，v(x)為v型函數(shù)，x為變量，t為時(shí)間，erf為誤差函數(shù)。

12、優(yōu)選的，所述通過(guò)軟搜索策略或硬穿刺策略對(duì)個(gè)體進(jìn)行更新，包括：

13、通過(guò)軟搜索策略對(duì)個(gè)體進(jìn)行更新，更新方式具體表達(dá)式為：

14、

15、其中，表示第i代第j個(gè)維度的新的個(gè)體值，xbest,j是全局最優(yōu)個(gè)體在第j個(gè)維度上的值，r是0到1之間的隨機(jī)數(shù)，ub和lb是取值上下界，e是黏附系數(shù)，it為當(dāng)前時(shí)間，α是角度，β是隨迭代變化的變量，w是固定的常數(shù)；

16、通過(guò)硬穿刺策略對(duì)個(gè)體進(jìn)行更新，更新方式具體表達(dá)式為：

17、

18、其中fnormr(fiti)表示當(dāng)前搜索代理適應(yīng)度值的歸一化值，xbest,j是全局最優(yōu)個(gè)體在第j個(gè)維度上的值。

19、優(yōu)選的，所述群體捕食策略引入軟搜索策略或硬穿刺策略中，獲取更新后的個(gè)體，包括：

20、將群體捕食策略劃分成兩種捕食方式，分別是分散獵物和包圍獵物，更新方式為：

21、

22、s＝2·s0·r3-s0；

23、

24、其中，r2，rand，l均是[0,1]之間的隨機(jī)數(shù)，當(dāng)rand大于0.5，執(zhí)行包圍獵物策略，否則采用分散獵物策略，代表更新后的位置，代表獵物的位置，模擬了獵人的捕食路線(xiàn)，a是捕食中的參數(shù)變量，e為e指函數(shù)，s0為獵物初始能量，s是獵物的能量，其值不斷變化，r3是一個(gè)隨機(jī)數(shù)，d是當(dāng)前個(gè)體和獵物之間的絕對(duì)距離，w是一個(gè)常數(shù)，為更新前的位置。

25、優(yōu)選的，所述在狩獵困難時(shí)通過(guò)對(duì)新的個(gè)體進(jìn)行更新，判斷是否尋找新的獵物，包括：

26、更新的具體過(guò)程包括：

27、

28、其中，表示個(gè)體之間的最近位置，d1表示個(gè)體隨機(jī)移動(dòng)的距離，是隨機(jī)選擇的個(gè)體，r5和r6是0到1之間的隨機(jī)數(shù)字，abs是絕對(duì)值函數(shù)。

29、本發(fā)明提供一種數(shù)據(jù)的特征選擇系統(tǒng)，包括：

30、采集模塊，用于獲取目標(biāo)數(shù)據(jù)集；其中目標(biāo)數(shù)據(jù)集中的數(shù)據(jù)為圖像數(shù)據(jù)；

31、初始更新模塊，用于基于目標(biāo)數(shù)據(jù)集生成種群，并初始化包括種群位置的[0,1]矩陣，將種群中的個(gè)體值映射到[0,1]之間，且將數(shù)據(jù)集中個(gè)體值為1的特征輸入到knn分類(lèi)器中，獲取適應(yīng)度值，并通過(guò)軟搜索策略或硬穿刺策略對(duì)個(gè)體進(jìn)行更新；

32、判斷更新模塊，用于在個(gè)體更新時(shí)，將群體捕食策略引入軟搜索策略或硬穿刺策略中，獲取更新后的個(gè)體，并在狩獵困難時(shí)通過(guò)對(duì)新的個(gè)體進(jìn)行更新，判斷是否尋找新的獵物，在需要尋找新的獵物時(shí)再次進(jìn)行個(gè)體更新；

33、選擇模塊，用于將更新后的個(gè)體輸入knn分類(lèi)器中獲取適應(yīng)度值，并與更新前個(gè)體的適應(yīng)度值進(jìn)行比較，獲得適應(yīng)度值最好的個(gè)體，以適應(yīng)度最好的個(gè)體作為最優(yōu)特征子集。

34、本發(fā)明提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器及處理器，所述存儲(chǔ)器中儲(chǔ)存有程序，所述程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行上述一種數(shù)據(jù)的特征選擇方法的步驟。

35、本發(fā)明提供一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的一種數(shù)據(jù)的特征選擇方法的步驟。

36、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下顯著優(yōu)點(diǎn)：

37、本發(fā)明通過(guò)將數(shù)據(jù)集中的個(gè)體值進(jìn)行映射，并在映射中將個(gè)體值為1的特征通過(guò)knn分類(lèi)器進(jìn)行分類(lèi)，獲得適應(yīng)度值，獲得特征間存在的關(guān)聯(lián)和相互作用，以及通過(guò)群體捕食策略引入軟搜索策略或硬穿刺策略來(lái)對(duì)個(gè)體進(jìn)行更新，從而獲取更新后的個(gè)體，并在狩獵困難時(shí)根據(jù)條件再次進(jìn)行個(gè)體更新，從而通過(guò)個(gè)體的更新捕捉到數(shù)據(jù)間特征最佳的聯(lián)系，有益于增加尋優(yōu)能力，并將最優(yōu)個(gè)體獲得的適應(yīng)度值與更新前適應(yīng)度值比較，來(lái)得到最優(yōu)特征子集，有效改進(jìn)了特征選擇時(shí)的精確度和關(guān)聯(lián)性。

技術(shù)特征：

1.一種數(shù)據(jù)的特征選擇方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的一種數(shù)據(jù)的特征選擇方法，其特征在于，所述將種群中的個(gè)體值映射到[0,1]之間，包括：

3.如權(quán)利要求1所述的一種數(shù)據(jù)的特征選擇方法，其特征在于，所述通過(guò)軟搜索策略或硬穿刺策略對(duì)個(gè)體進(jìn)行更新，包括：

4.如權(quán)利要求3所述的一種數(shù)據(jù)的特征選擇方法，其特征在于，所述群體捕食策略引入軟搜索策略或硬穿刺策略中，獲取更新后的個(gè)體，包括：

5.如權(quán)利要求4所述的一種數(shù)據(jù)的特征選擇方法，其特征在于，所述在狩獵困難時(shí)通過(guò)對(duì)新的個(gè)體進(jìn)行更新，判斷是否尋找新的獵物，包括：

6.一種數(shù)據(jù)的特征選擇系統(tǒng)，其特征在于，包括：

7.一種計(jì)算機(jī)設(shè)備，其特征在于，包括存儲(chǔ)器及處理器，所述存儲(chǔ)器中儲(chǔ)存有程序，所述程序被所述處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如權(quán)利要求1至5中任一項(xiàng)所述一種數(shù)據(jù)的特征選擇方法的步驟。

8.一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至5中任一項(xiàng)所述的一種數(shù)據(jù)的特征選擇方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種數(shù)據(jù)的特征選擇方法、系統(tǒng)、設(shè)備與介質(zhì)，涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，包括步驟：獲取皮膚病學(xué)的數(shù)據(jù)集；基于數(shù)據(jù)集生成種群，并初始化包括種群位置的[0,1]矩陣，將數(shù)據(jù)集中個(gè)體值為1的特征輸入到KNN分類(lèi)器中，獲取適應(yīng)度值，并通過(guò)軟搜索策略或硬穿刺策略對(duì)個(gè)體進(jìn)行更新；在個(gè)體更新時(shí)，將群體捕食策略引入軟搜索策略或硬穿刺策略中，獲取更新后的個(gè)體，并在狩獵困難時(shí)，再次進(jìn)行個(gè)體更新；將更新后的個(gè)體輸入分類(lèi)器中獲取適應(yīng)度值，并和原個(gè)體進(jìn)行比較，獲得適應(yīng)度值最好的個(gè)體。本發(fā)明通過(guò)個(gè)體的更新捕捉到數(shù)據(jù)間特征最佳的聯(lián)系，增加尋優(yōu)能力，并將最優(yōu)個(gè)體獲得的適應(yīng)度值與更新前適應(yīng)度值比較，改進(jìn)了特征選擇時(shí)的精確度和關(guān)聯(lián)性。

技術(shù)研發(fā)人員：陳翼,汪志霖,楊春翔,薛艷暢,周欣,戴涵濱,陳麗燕
受保護(hù)的技術(shù)使用者：溫州大學(xué)大數(shù)據(jù)與信息技術(shù)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/7