[發明專利]一種基于改進遺傳算法的多模態數據分析方法、系統

在審

• 申請號: 202210834494.8
• 申請日: 2022-07-14
• 公開（公告）號: CN115203631A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 徐怡;張杰
• 申請（專利權）人: 安徽大學
• 主分類號: G06F17/15
• 分類號: G06F17/15;G06K9/62;G06N3/12
• 代理公司: 合肥市澤信專利代理事務所(普通合伙) 34144
• 代理人: 潘飛

本發明屬于大數據分析領域，具體涉及一種基于改進遺傳算法的多模態數據分析方法、系統、裝置。本發明在一個劃分序乘積空間中對問題求解層進行優選，得到目標問題求解層。該方法包括如下步驟：S1：構建一個自適應遺傳算法。構建過程如下：S11：設計自定義的適應度函數。S12：將選擇算子改進為混合選擇算子。S13：將交叉算子改進為自適應交叉算子。S14：將變異算子改進為自適應變異算子。S2：使用劃分序乘積空間模型對多模態數據進行描述：隨機生成初始化種群。S3：設定最大迭代輪次，利用自適應遺傳算法對初始化種群進行迭代更新，得到所需的目標問題求解層。本發明解決了現有經典遺傳算法存在收斂困難，容易陷入局部最優等問題。

技術領域

本發明屬于大數據分析領域，具體涉及一種基于改進遺傳算法的多模態數據分析方法、系統、裝置。

背景技術

多模態數據是指通過不同角度或視角從同一個描述對象獲取到的數據，其中每一個角度或視角稱為一個模態。例如，人的觸覺，聽覺，視覺，嗅覺；信息的媒介，有語音、視頻、文字等；多種多樣的傳感器，如雷達、紅外、加速度計等。以上的每一種都可以稱為一種模態。隨著數據采集方式和多媒體技術的發展，多模態數據已經廣泛存在于醫療診斷等實際應用中。

現實生活中，每一個模態數據往往包含多個層次，不同的層次隱含不同的知識，在合適的層次上可以更加有效和準確地解決問題。例如在醫療診斷中，醫生往往需要對病人進行多種類型的檢查，每種檢查包含多個不同粒度層次的項目，可以將每一種類型的檢查作為一個模態。醫生通常會靈活地選擇不同模態和模態的不同層次，并將這些檢查結果結合起來以獲得更精確的診斷結果。

多模態數據是一種具有多個層次和維度的多元數據，其中包含的豐富信息可以提高基于多模態數據評估出的各類結論的準確性。但是多元數據的復雜性也給數據分析過程造成了困難。劃分序乘積空間是一種基于粒計算對同一個對象進行多視角和多層次描述的模型，其中每一個視角包含多個層次。因此，我們使用劃分序乘積空間對多模態數據進行描述，其中每一個視角對應一個模態，每一個視角包含模態數據的多個層次。劃分序乘積空間本質上是由多個問題求解層構成的格結構，每一個問題求解層都是多個單層次視角的組合，它可以從不同視角和不同層次對問題進行描述，并在此基礎上對問題進行求解。

劃分序乘積空間中視角和層次的數量越多時，對應的問題求解層就越多。因此，劃分序乘積空間中問題求解層的選擇是一個典型的NP困難問題。遺傳算法作為一種智能算法可以有效解決這一類型的NP困難問題；但經典遺傳算法存在一些局限性。例如：經典遺傳算法在尋優過程中會不斷降低種群的多樣性，從而容易陷入局部最優，造成不成熟收斂；其次，當種群陷入局部最優解后很難擺脫局部最優解。

發明內容

為了解決現有經典遺傳算法在多模態數據模型的問題求解層選擇過程中存在的收斂困難，容易陷入局部最優等問題，本發明提供一種基于改進遺傳算法的多模態數據分析方法、系統、裝置。

本發明采用以下技術方案實現：

一種基于改進遺傳算法的多模態數據分析方法，該分析方法用于在一個根據多模態數據生成的劃分序乘積空間中對問題求解層進行優選，得到最佳的目標問題求解層；并最終實現根據目標問題求解層確定最佳的解決方案的目的。

本發明提供的多模態數據分析方法具體包括如下步驟：

S1：構建一個基于經典遺傳算法改進的自適應遺傳算法。該自適應遺傳算法的構建過程如下：

S11：根據問題求解層的分類精度和粒度的指標要求，設計一種用于平衡兩項指標的自定義的適應度函數。

S12：將經典遺傳算法的選擇算子改進為一種隨迭代進程變更的混合選擇算子。混合選擇算子在進化前期同時采取精英保留算子和“雙個體不放回”的錦標賽選擇算子；在進化后期僅采用經典錦標賽選擇算子。