[发明专利]一种基于遗传算法的分类算法参数优化方法

权利要求书

1.一种基于遗传算法的分类算法参数优化方法,其特征是具体步骤为：

①制定编码及解码规则：根据分类算法的性能指标采集数据信号，对采集数据信号的参数制定二进制串与参数数值一一对应，对于每个参数，规定其取值范围为[a,b],数值取值精度为v,则二进制串的长度为：

L=[log₂(b-a)/v；

编码时，对于任意在[a,b]范围内该参数的取值x,其二进制串对应的整数值：

x_int=[(x-a)/v]；

解码时，对于任意一个小于2^L-1的正整数n,其对应的该参数的取值为：

（n+0.5）v+a；

②种群初始化：对于每个参数的取值作为一个个体，并将多个个体集合为一个种群，同时种群中的所有个体均进行二进制串对应后形成初始化种群；初始化种群中各个体适应度值计算：对于分类算法的数据集，将所有的数据样本随机分为训练样本和测试样本,采用适应度函数，函数的输入即为编码之后的二进制串，函数的计算过程描述如下：从二进制串解码得到各个参数数值，分别记为；将上述参数带入分类算法中，得到分类算法评估的指标，分别记为；将上述的得到的指标进行加权求和，即所得的适应度，其计算公式如下：

                                                   ；

③循环迭代：对二进制串进行循环迭代，更新这个群体，需要多次计算适应度，计算过的参数组合的指标可保存到数据库或内存中，循环迭代时需要先查表该参数组合是否存在，如存在则取出对应指标即可，如不存在则重新计算各指标并保存，循环迭代到一定次数达到； 

④解码得到最优参数：对步骤③中最终获得的群体进行解码对应相应的参数数值，群体中所有个体的适应度值，选出群体中适应度值高的多个个体作为子代群体，进而得到最优的参数组合，判断是否终止：当进化群体中个体的最大适应度值大于或等于预先设定的适应度设定值时，遗传算法终止并输出当前所获得群体中最优的参数组合；否则，返回步骤③，继续进行循环迭代。

2.根据权利要求1所述的一种基于遗传算法的分类算法参数优化方法,其特征是所述的步骤①中分类算法的性能指标指的是：

训练时间：利用参数训练时，所耗费的实际时间，要多次进行训练，取所有训练时间的中值；

分类时间：利用该参数得到的分类模型对测试样本进行分类时，所耗费的实际时间，为保证时间的准确性，要多次进行训练和分类，取所有时间的中值；

训练样本准确率：利用该参数训练时，算法结束时对训练样本分类的准确率，多次进行训练，取所有训练样本准确率的中值；

测试样本准确率：利用该参数分类时，算法对测试样本分类的准确率；

测试样本召回率：利用该参数分类时，算法对测试样本分类的召回率。

3.根据权利要求1或2所述的一种基于遗传算法的分类算法参数优化方法,其特征是所述的步骤②中计算适应度时，在加权平均之前，对各个指标进行去量纲归一化的操作：随机选择一系列参数组合，分别应用分类算法到上述数据集，得到每个考核指标的实际取值，对具体的考核指标，分别计算最小值和最大值，对应的考核指标进行最大最小值归一化操作,将其数值归一化到[0,1]区间内。

4.根据权利要求3所述的一种基于遗传算法的分类算法参数优化方法,其特征是所述的步骤③循环迭代采用交叉、变异及更新的方式，交叉遵循一般遗传算法交叉方法，即将两个二进制串的每个二进制串分为两部分，然后两个串分别进行交换；变异遵循一般遗传算法变异方法，随机选择二进制串中的一个，对其进行取反操作；更新将经过交叉及变异操作之后得到的新二进制串种群和原二进制串种群混合，取其中部分适应度作为新种群。

5.根据权利要求4所述的一种基于遗传算法的分类算法参数优化方法,其特征是所述的步骤③中取其中适应度在前45%-70%的个体作为新种群。

6.根据权利要求4或5所述的一种基于遗传算法的分类算法参数优化方法,其特征是所述的步骤②所有的数据样本随机分为训练样本和测试样本，其数量比为1:5-2。