[发明专利]基于量子旋转门及退火飞蛾优化算法构建预测模型的方法

权利要求书

1.一种基于量子旋转门及退火飞蛾优化算法构建预测模型的方法，其特征在于，所述方法包括以下步骤：

步骤S1、获取样本数据并对所获取到的样本数据进行归一化处理；

步骤S2、利用基于量子旋转门及退火飞蛾优化算法优化支持向量机的惩罚因子C和核宽γ，具体为：

步骤S2.1、定义最大迭代次数T、飞蛾优化算法种群个数n、搜索空间维度dim、惩罚因子C的搜索空间[C_min,C_max]和核宽γ的搜索空间[γ_min,γ_max]；；

步骤S2.2、初始化n个搜索个体位置：采用公式(1)-(2)，将每一个个体的位置映射到设定的搜索范围内，得到n个个体的位置X_i＝(X_i,1,X_i,2)(i＝1...n)；

X_i，1＝(C_max-C_min)*r+C_min，(i＝1，2，...，n) (1)

X_i，2＝(γ_max-γ_min)*r+γ_min，(i＝1，2，...，n) (2)；

其中，C_i表示个体i在当前位置时的C值，γ_i表示个体i在当前位置时的γ值；r为[0,1]之间的随机小数；

步骤S2.3、计算每个个体i的适应度f_i，并将计算出的适应度f_i由大到小排序，若所有个体中最大的适应度值大于最佳个体的适应度，则将最佳个体替换成当前适应度最高的个体；其中，所计算出的适应度f_i基于个体i当前位置的C和γ值，以内部K折交叉验证策略计算支持向量机的准确度ACC来获取的；

步骤S2.4、判断是否超过种群数目n；如果是，则跳转到步骤2.8；如果否，则执行下一步骤2.5；

步骤S2.5、继续判断是否超过搜索空间维度dim；如果是，则跳转到步骤2.7；如果否，则执行下一步骤2.6；

步骤S2.6、围绕最佳个体生成整个种群：根据公式(3)生成n个个体，并计算出根据公式(3)生成的n个个体的适应度，且进一步对比出根据公式(3)生成的n个个体之中最大的适应度大于最佳个体的适应度，则用对比的n个个体之中最大的适应度的个体来替换最佳个体，待最佳个体更新后，跳转到步骤2.8；

其中，sorted为排序之后的种群，distance为当前种群与排序后对应种群的距离；

步骤S2.7、执行退火策略：针对种群中每个更新后的个体，对其执行退火策略，得到退火策略执行后的新个体；

步骤S2.8、执行量子旋转门策略：针对种群中每个更新后的个体，再对其执行量子旋转门策略，得到量子旋转门策略执行后的新个体；

步骤S2.9、判断是否达到最大迭代次数T；如果是，则执行下一步骤2.10；如果否，则返回步骤2.3，继续迭代；

步骤S2.10、输出最佳个体位置，即最优的惩罚因子C和核宽γ值；

步骤S3、基于所获得的惩罚因子C和核宽γ，利用所归一化处理后的数据来构建下述公式(4)所示的预测模型，并基于所构建的预测模型对待分类样本进行分类和预测；其中，K(●)采用公式(5)所示；x_j表示第j个归一化处理后的样本数据；x_i(i＝1...l)表示训练样本；y_i(i＝1...l)表示训练样本对应的标签，y_i＝1代表正类样本，y_i＝-1代表负类样本；b为阈值；α_i是拉格朗日系数；

K(x_i,x_j)＝exp(-r||x_i-x_j||²) (5)。