基于改进蝙蝠算法的文本特征选择方法、装置及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112800224A(43)申请公布日2021.05.14(21)申请号202110116530.2G06N20/00(2019.01)(22)申请日2021.01.28G16H50/70(2018.01)(71)申请人中南大学地址410083湖南省长沙市岳麓区麓山南路932号(72)发明人刘丽珏吴小玉(74)专利代理机构长沙市融智专利事务所(普通合伙)43114代理人胡喜舟(51)Int.Cl.G06F16/35(2019.01)G06F16/383(2019.01)G06K9/62(2006.01)G06N3/00(2006.01)G06N3/12(2006.01)权利要求书3页说明书10页附图2页(54)发明名称基于改进蝙蝠算法的文本特征选择方法、装置及存储介质(57)摘要本发明公开了一种基于改进蝙蝠算法的文本特征选择方法、装置及存储介质，其中方法包括获取若干文本特征数据集，并对若干文本特征数据集进行预处理，得到若干初始文本特征向量；利用改进蝙蝠算法对若干文本特征向量进行迭代训练，得到多个精英文本特征子集。引入莱维飞行策略改进蝙蝠的位置更新方式，以确保单个蝙蝠不会被局限在最优蝙蝠的附近，即确保文本数据特征提取不会陷入局部最优解；每次迭代的适应度较低的几个蝙蝠实行差分进化，提高了蝙蝠的多样性和总体适应度；使用精英保留策略，可避免较优的解在迭代时消失，使精英蝙蝠始终保持全局最佳的几个蝙蝠的位置，在后续的特征集成过程中获得更好的集成效果。CN112800224ACN112800224A权利要求书1/3页1.一种基于改进蝙蝠算法的文本特征选择方法，其特征在于，包括：S1：获取若干文本特征数据集，并对若干文本特征数据集进行预处理，得到若干初始文本特征向量；S2：利用改进蝙蝠算法对若干文本特征向量进行迭代训练，得到多个精英文本特征子集；具体包括如下步骤：S21：初始化蝙蝠种群；S22：计算每个蝙蝠的适应度值；S23：根据每个蝙蝠的适应度值选取自适应度值最高的N个蝙蝠作为精英蝙蝠保留，其中N为预设值；S24：结合莱维飞行策略对非精英蝙蝠进行位置更新；S25：将适应度值最低的X个蝙蝠进行差分进化，其中X为预设值；S26：计算所有蝙蝠的适应度值，并据此更新精英蝙蝠；S27：重复步骤S24～S26直至完成预设迭代次数，得到N个精英蝙蝠，每个精英蝙蝠表示一个精英文本特征子集。2.根据权利要求1所述的基于改进蝙蝠算法的文本特征选择方法，其特征在于，所述步骤S21包括：设置蝙蝠种群个数为M，最大频率fmax，最小频率fmin，最大迭代次数Max_iteration，初始化蝙蝠种群的位置xi＝(xi1,xi2,…,xid)，初始化速度vi＝(vi1,vi2,…,vid)和脉冲发射率ri0；其中，d为初始文本特征向量维度；xi表示第i个蝙蝠的位置，通过阈值将其转化为二进制位置，二进制位置中的值为1的表示当前位置的特征被选中，值为0表示当前位置的特征未被选中；vi表示第i个蝙蝠的速度。3.根据权利要求1所述的基于改进蝙蝠算法的文本特征选择方法，其特征在于，所述步骤S22包括：将分类算法的分类精度作为适应度函数来计算每个蝙蝠的适应度值，并找到最好的蝙蝠位置，即最优解x*。4.根据权利要求1所述的基于改进蝙蝠算法的文本特征选择方法，其特征在于，所述步骤S24包括：根据公式(1)‑(3)对非精英蝙蝠的频率、速度和位置进行更新，并限制其位置和速度在[‑1,1]范围；ft＝fmin+(fmax‑fmin)×rand(1)vi(t+1)＝vi(t)+(xi(t)‑x*)×ft(2)xi(t+1)＝xi(t)+vi(t)(3)其中，fmin和fmax分别表示蝙蝠种群的最小频率和最大频率，t表示迭代次数，rand表示介于0到1之间的随机值，ft表示第t次迭代中蝙蝠种群的频率，vi(t)为第i只蝙蝠在第t次迭代中的速度，xi(t)表示第i只蝙蝠在第t次迭代中的位置，x*表示最好蝙蝠的位置，即最优解x*；产生随机数rand1，如果rand1>ri，则采用莱维飞行策略对蝙蝠xi进行位置更新，其中，ri表示当前迭代中的脉冲发射率；计算各蝙蝠的适应度值，如果存在xi更优于x*，当前蝙蝠i的位置更新为xi，并根据公式2CN112800224A权利要求书2/3页(6)更新脉冲辐射率ri，ri(t+1)＝ri0[1‑exp(‑γt)](6)其中，ri0为初始脉冲发射率，γ为系数，其取值范围为γ>0；更新最优解x*。5.根据权利要求4所述的基于改进蝙蝠算法的文本特征选择方法，其特征在于，所述采用莱维飞行策略对蝙蝠xi进行位置更新包括：莱维飞行的位置更新公式如公式(4)所示：其中，Levy(θ)是服从莱维分布的