一种基于蛇群优化算法的大数据特征选择方法技术

本发明专利技术公开了一种基于蛇群优化算法的大数据特征选择方法，包括：对蛇群优化算法的参数以及适应度计算函数初始化，并将蛇群分为雄性蛇群和雌性蛇群；分别对雄性蛇群、雌性蛇群的最优解和最优适应度值进行初始化；定义第一温度、第一食物质量、温度阈值以及食物质量阈值；分别基于第一食物质量与食物质量阈值的大小关系，第一温度与温度阈值的大小关系，迭代计算，更新雄蛇和雌蛇的最优解、最优适应度值；直到迭代结束，获取最终全局最优解；基于最终全局最优解训练分类器，基于分类器进行大数据特征选择。本申请有效地提高群体智能优化算法的全局搜索能力，跳出局部最优的能力，避免了过早收敛和陷入局部最优，进而获得比已有发明专利技术更优质的解。更优质的解。更优质的解。

【技术实现步骤摘要】
一种基于蛇群优化算法的大数据特征选择方法


[0001]本专利技术属于数据挖掘
，特别是涉及一种基于蛇群优化算法的大数据特征选择方法。

技术介绍

[0002]大量的数据以各种形式出现，在医学数据挖掘领域，随着相关技术的发展，有越来越多的数据可以被收集到并被用于机器学习数据挖掘，然而大多数的医学数据集中包含大量的特征数量。但是，这些数据中有很大一部分是无关的，冗余的，有噪声的，甚至会降低预测准确率，因此需要进行转换以适合建模。
[0003]特征选择是消除不相关、冗余和噪声特征的有效方法。特征选择是在保证预测精度的前提下减少特征空间的维数，避免“维度灾难”，并通过拒绝冗余、无效和无关的特征参与建模来减少训练模型的时间成本和存储成本。
[0004]特征选择问题是一种二进制的全局组合优化问题，可以抽象为找到一个长度为原始特征数N
col
的解向量，每个分量只有0和1两种值，分别对应不选择该特征和选择该特征，见图1。
[0005]现有的选择策略包括穷举法与启发式算法。穷举法，即枚举出各种可能的情况，这会产生大量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蛇群优化算法的大数据特征选择方法，其特征在于，包括以下步骤：对蛇群优化算法的参数以及适应度计算函数进行初始化，并将蛇群分为雄性蛇群和雌性蛇群；分别对所述雄性蛇群、所述雌性蛇群的最优解和最优适应度值进行初始化；定义第一温度、第一食物质量、温度阈值以及食物质量阈值的值；分别基于所述第一食物质量与所述食物质量阈值的大小关系，所述第一温度与所述温度阈值的大小关系，迭代计算，更新雄蛇和雌蛇的最优解、最优适应度值；直到迭代结束，获取最终全局最优解；基于所述最终全局最优解训练分类器，基于训练好的分类器进行大数据特征选择。2.根据权利要求1所述的方法，其特征在于，所述蛇群参数包括：蛇群中蛇个体的总数、进行特征选择的数据集的特征数、特征数、当前迭代次数以及最大迭代次数。3.根据权利要求1所述的方法，其特征在于，分别对所述雄性蛇群、所述雌性蛇群的最优解和最优适应度值进行初始化的过程包括：基于所述雄性蛇群获取雄性蛇群适应度表，将所述雄性蛇群适应度表存入雄性蛇群中每条蛇的适应度；基于所述雌性蛇群获取雌性蛇群适应度表，将所述雌性蛇群适应度表存入雌性蛇群中每条蛇的适应度；对雄性蛇群的最优解和最优适应度、雌性蛇群的最优解和最优适应度进行初始化。4.根据权利要求1所述的方法，其特征在于，分别基于所述第一食物质量与所述食物质量阈值的大小关系，所述第一温度与所述温度阈值的大小关系，迭代计算，更新雄蛇和雌蛇的最优解、最优适应度值的过程中包括：S1，基于所述第一食物质量与所述食物质量阈值的大小关系，分别计算获取雄蛇第一阶段值和雌蛇第一阶段值；S2，基于所述第一食物质量与所述食物质量阈值的大小关系，所述第一温度与所述温度阈值的大小关系，分别计算获取雄蛇第二阶段值和雌蛇第二阶段值；S3，设定第一预设值，获取rand值，基于所述第一温度与所述温度阈值的大小关系，所述rand值与所述第一预设值的大小关系，分别计算获取雄蛇第三阶段值和雌蛇第三阶段值，其中所述rand值为0到1之间服从均匀分布的浮点随机数；S4，对S1
‑
S3进行迭代，迭代过程中，对新产生的每个下一代的解进行基于高斯分布的变异映射操作；S5，更新雄蛇和雌蛇的最优解、最优适...

【专利技术属性】
技术研发人员：康辉，包新雨，孙庚，李洪娟，王渤雄，
申请(专利权)人：吉林大学，
类型：发明
国别省市：