基于量子法医调查机制的特征选择方法、系统及存储介质

    公开(公告)号:CN117992807B

    公开(公告)日:2024-11-22

    申请号:CN202410172704.0

    申请日:2024-02-07

    Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质,涉及数据处理领域,为解决现有的特征选择方法分类正确率不高以及时间复杂度高,选择的特征子集精度不够的问题。包括:步骤一:对数据集进行归一化处理,采用K近邻分类器对训练集样本进行聚类,对测试集样本进行分类,构建特征选择的目标函数;步骤二:初始化量子警察群体中每个成员的量子位置,计算量子警察个体的适应度,确定初始全局最优量子位置;步骤三:分别对调查组和追捕组每个成员的量子位置进行更新;步骤四:更新调查组和追捕组以及量子警察群体的全局最优量子位置;步骤五:对调查组和追捕组中的部分成员进行交换,继续演化;步骤六:最终迭代得到选取的最优特征子集。

    一种基于量子法医调查机制的特征选择方法、系统及存储介质

    公开(公告)号:CN117992807A

    公开(公告)日:2024-05-07

    申请号:CN202410172704.0

    申请日:2024-02-07

    Abstract: 一种基于量子法医调查机制的特征选择方法、系统及存储介质,涉及数据处理领域,为解决现有的特征选择方法分类正确率不高以及时间复杂度高,选择的特征子集精度不够的问题。包括:步骤一:对数据集进行归一化处理,采用K近邻分类器对训练集样本进行聚类,对测试集样本进行分类,构建特征选择的目标函数;步骤二:初始化量子警察群体中每个成员的量子位置,计算量子警察个体的适应度,确定初始全局最优量子位置;步骤三:分别对调查组和追捕组每个成员的量子位置进行更新;步骤四:更新调查组和追捕组以及量子警察群体的全局最优量子位置;步骤五:对调查组和追捕组中的部分成员进行交换,继续演化;步骤六:最终迭代得到选取的最优特征子集。

Patent Agency Ranking