[發明專利]一種數據預測方法及裝置

在審

• 申請號: 201710061325.4
• 申請日: 2017-01-25
• 公開（公告）號: CN106845627A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 章政
• 申請（專利權）人: 中國銀聯股份有限公司
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/12
• 代理公司: 北京同達信恒知識產權代理有限公司11291
• 代理人: 鄒雅瑩

技術領域

本發明涉及數據處理技術領域，尤其涉及一種數據預測方法及裝置。

背景技術

支持向量回歸機是根據統計學習理論提出的一種新的學習方法。其具有理論完備、適應性強、全局優化、訓練時間短、泛化性能好等諸多優點，已經成為目前國內外研究的熱點。支持向量回歸機通過結果風險最小化準則和核函數方法，較好地解決了模式分類器復雜性核推廣性之間的矛盾，引起了模式識別領域學者的極大關注。從此迅速的發展起來，現在已經在許多領域(生物信息學，文本分類、手寫體識別、人臉檢測等)都取得了成功的應用，并且在研究過程中，取得了與傳統方法可比或更好的結果，還豐富了自身的內容(如快速訓練算法等)，從而更加推動了它在其他模式識別領域的應用。由于其出色的學習性能，該技術已成為當前國際機器學習界的研究熱點，在模式識別、回歸估計、函數逼近等領域有了廣泛的應用。

現有技術中，通常可以利用各種優化算法來確定支持向量回歸機的模型參數，例如粒子群算法、遺傳算法或者禁忌搜索算法等方法來確定模型參數，但是這些現有的方法中總是存在占用空間大，過早收斂，爬山能力不足等問題。

發明內容

本發明提供一種數據預測方法及裝置，用于解決現有技術中存在占用空間大，過早收斂，爬山能力不足等問題的問題。

本發明實施例提供一種數據預測方法，所述方法包括：

構建包括N個個體的第一種群，其中每個個體包括支持向量回歸機預測模型的模型參數值，其中N大于等于1；

對所述第一種群進行遺傳算法迭代，針對每一次遺傳迭代：確定在所述第一種群中被選擇作為交叉個體的個體，并將所述交叉個體的個體根據禁忌搜索算法確定交叉子代，產生第二種群；

對所述第二種群進行變異迭代，針對每一次變異代迭代：對所述第二種群中每個個體進行變異操作，得到第三種群；根據禁忌搜索算法從所述第三種群中確定最優個體；從M次變異代迭代的M個最優個體中確定下一次遺傳算法迭代的第一種群；

從Y次遺傳算法迭代的第一種群中選擇最優解作為所述支持向量回歸機預測模型的模型參數。

本發明實施例中，由于在遺傳算法中的交叉計算的過程中和變異計算的過程中使用了禁忌搜索算法來產生新的種群，與現有技術相比，增加了種群的多樣性，更好地克服遺傳算法中爬山能力不足的問題，避免過早收斂到局部最優解。

進一步地，所述確定在所述第一種群中被選擇作為交叉個體的個體，包括：

確定所述第一種群中N個個體中的每個個體的第一適應度函數值，其中所述第一適應度函數值是將所述個體作為所述支持向量回歸機預測模型的模型參數后得到的預測值與真實值之差確定的；

確定所述第一種群中任意兩個個體之間的交叉概率，并確定所述兩個個體的隨機數，根據所述兩個個體的隨機數以及所述交叉概率確定所述兩個個體是否為交叉個體。

本發明實施例中，根據兩個個體的隨機數以及交叉概率確定所述兩個個體是否為交叉個體，而不是采用現有技術中設置確定交叉概率來確定個體是否為交叉個體，增加了種群中個體的多樣性。

進一步地，根據下列公式確定所述任意兩個個體之間的交叉概率：

其中，p_c為所述任意兩個個體之間的交叉概率，p_cmax為最大交叉概率，p_cmin為最小交叉概率，curgen為當前遺傳算法的迭代次數，maxgen為最大迭代次數，F_avg為所述第一種群中所有個體的第一適應度函數值的平均值，所述F′為所述兩個個體中較小的第一適應度函數值。

本發明實施例中，交叉概率是與兩個個體的第一適應度函數值相關，并與當前迭代次數有關，而不是采用現有技術的固定概率，增加了種群的多樣性，避免過早收斂。

進一步地，所述將所述交叉個體的個體根據禁忌搜索算法確定交叉子代，產生第二種群，包括：

確定所述交叉個體產生的子代個體；

確定所述子代個體的第二適應度函數值；

根據每個所述交叉個體的所述第一適應度函數值和所述子代個體的第二適應度函數值，更新所述第一種群得到第二種群。

本發明實施例中，在確定交叉個體后，確定交叉后的子代個體，并且根據子代個體來更新第一種群，得到交叉后的第二種群。

進一步地，所述根據所述交叉個體的個體的第一適應度函數值和所述子代個體的第二適應度函數值，更新所述第一種群得到第二種群，包括：