[发明专利]一种特征的选择方法和装置

权利要求书

1.一种特征的选择方法，其特征在于，所述方法包括以下步骤：

从获得到的图像中提取出M个特征；

利用过滤式模型算法对所述M个特征进行筛选，得到N个特征；

利用第一封装式模型算法对所述N个特征进行搜索，得到第一特征子集，并利用第二封装式模型算法对所述N个特征进行搜索，得到第二特征子集；其中，所述第一封装式模型算法与第二封装式模型算法分别为改进的粒子群优化算法与人工鱼群算法、或者第一封装式模型算法与第二封装式模型算法分别为人工鱼群算法与改进的粒子群优化算法；

对所述第一特征子集和所述第二特征子集进行重组，得到包括K个特征的第三特征子集，并从所述第一特征子集、所述第二特征子集和所述第三特征子集中选择所述图像的最优特征子集；

其中，所述M大于所述N，且所述N大于所述K；

其中，对所述第一特征子集和第二特征子集进行重组，得到包括K个特征的第三特征子集的过程，具体包括：

确定所述第一特征子集对应的第一全局最优解和第一适应度函数，并确定所述第二特征子集对应的第二全局最优解和第二适应度函数；

计算第一概率为第一适应度函数/(第一适应度函数+第二适应度函数)，或者，计算第二概率为第二适应度函数/(第一适应度函数+第二适应度函数)；

构建第三全局最优解，并在0和1之间为所述第三全局最优解的第i维的数值选择一个随机数；当所述随机数大于等于所述第一概率时，则选择所述第一全局最优解中第i维的数值作为第三全局最优解的第i维的数值，当所述随机数小于所述第一概率时，则选择所述第二全局最优解中第i维的数值作为第三全局最优解的第i维的数值；或者，当所述随机数大于等于所述第二概率时，则选择所述第二全局最优解中第i维的数值作为第三全局最优解的第i维的数值，当所述随机数小于所述第二概率时，则选择所述第二全局最优解中第i维的数值作为第三全局最优解的第i维的数值；

确定所述第三全局最优解对应的包括K个特征的第三特征子集。

2.根据权利要求1所述的方法，其特征在于，所述利用第一封装式模型算法对所述N个特征进行搜索，得到第一特征子集的过程，具体包括：

获得L个粒子，每个粒子是一个N维的特征向量，所述特征向量的每个数值表示N个特征中的一个特征，所述特征向量的每个数值被随机选择为第一数值或者第二数值，所述第一数值表示不选择N个特征中的对应特征，所述第二数值表示选择N个特征中的对应特征；针对每个粒子，执行以下步骤：

步骤A1、计算所述粒子的适应度函数，并判断所述粒子的迭代次数是否达到预设第一阈值；如果否，则执行步骤B1；如果是，则执行步骤C1；

步骤B1、对所述粒子的迭代次数加1，并更新所述粒子的速度以及所述粒子的位置，得到更新后的粒子，并利用更新后的粒子重新执行步骤A1；

步骤C1、从所述粒子对应的所有适应度函数中选择局部最优适应度函数，并确定所述局部最优适应度函数对应的粒子为局部最优粒子；

在对所述L个粒子进行步骤A1-步骤C1的处理后，从L个局部最优适应度函数中选择全局最优适应度函数，并确定所述全局最优适应度函数对应的局部最优粒子为全局最优粒子；从所述N个特征中选取所述全局最优粒子中的第二数值对应的特征，并将当前选取的特征确定为所述第一特征子集。

3.根据权利要求2所述的方法，其特征在于，所述更新所述粒子的速度以及所述粒子的位置，得到更新后的粒子的过程，具体包括：

利用如下公式确定惯性权重参数，并利用所述惯性权重参数确定粒子速度公式，并利用所述粒子速度公式更新所述粒子的速度；

w(t+1)＝μ×w(t)×(1-w(t)) w(t)∈(0,1)；

利用如下粒子位置公式更新所述粒子的位置，得到更新后的粒子：

其中，μ为预设数值，w(t)为0与1之间的随机数，w(t+1)为惯性权重参数，m为粒子的个数，m_t为特征的个数，r_mut为随机突变的概率，rand为0与1之间的随机数，x_ij为速度更新后的粒子，x_ij’为位置更新后的粒子。