CN115858534B 基于金豺优化算法的服务价值链业务数据特征选择方法 （西南交通大学）

US2021256869A1,2021.08.19基于金豺优化算法的服务价值链业务数据于金豺优化算法的服务价值链业务数据特征选现了对计算资源的优化，达到减少数据特征数2步骤S1：从第三方云平台抽取所需的业务数据，将非支配个体集构建所述maleset集合和所述femaleset集合，所述maleset集合以均匀分布步骤S5：更新猎物位置，从所述maleset集合和所述fem2.如权利要求1所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特33.如权利要求2所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特W3为获取解分布中位于中间位置的解。4.如权利要求1所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特5.如权利要求4所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特为当前KNN分类器的分类正确率，利用所述KNN分类器计算当前特征子集所得的分类错误{,}6.如权利要求1所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特"和7.如权利要求6所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特置，Y(g+1)为更新后的猎物位置，Yu(g)-EYU(g)-rl.prey(g)l=y(g)，yrw(g)为雌性金豺位置，Ypu(g)-EIyrw(g)-rl.prey(g)l=y(g)，所述。8.如权利要求7所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特物位置，Y(g+1)为更新后的猎物位置，Y(g)-EIrl.yu(g)-prey(g)I=y(g)，yrw(g)为雌性金豺位置，yr(g)-Erl.ypu(g)-prey(g)l=y2(g)，所述。9.如权利要求1所述的基于金豺优化算法的服务价值链业务数据特征选择方法，其特征在于：所述业务数据分为训练数据集和验证数据集，所述训练数据集用于训练KNN分类4[0002]随着数字经济加速发展,数据已成为重经成为学术和产业界的关注热点。由于第三方云平台同时为多条服务价值链提供信息服和旧件等业务数据进行集成，对业务数据进行分析和挖掘从中发现经营业务中存在的不[0004]目前，群智能算法中的金豺优化算法是受到金豺捕猎策2为当前所选数据特征的分类性能；5[0011]步骤S4：计算maleset和femaleset集合，所述maleset为雄性金豺集合，所述femaleset为雌性金豺集合，所述maleset集合和所述femaleset集合指导猎物种群的位置(g)为雄性金豺的位置，YFM(g)为雌性金豺位置，Y(g+1)为更新后的猎物位置，所述所述Y(g+1)为连续值，通过转换函数将种群个据，所述PF与W具有较小夹角的解被选为maleset解集，maleset＝{c1，c3，c5}，基于k_6(y)用于防止求解过程陷入局部最优，式中LF为飞行函数，所述式中为雌为雌2[0030]在本申请的方案中，基于该专利的特征选择算法对平台所集成的业务数据A进行7[0038]因此，以下对本发明的实施例的详细描述并非旨在限制要求保护的本发明的范2为当前所选数据特征的分类性能；[0047]步骤S4：计算maleset和femaleset集合，所述maleset为雄性金豺集合，所述femaleset为雌性金豺集合，所述maleset集合和所述femaleset集合指导猎物种群的位置8(g)为雄性金豺的位置，YFM(g)为雌性金豺位置，Y(g+1)为更新后的猎物位置，所述所述Y(g+1)为连续值，通过转换函数将种群个体映[0050]在本申请的方案中，基于该专利的特征选择算法对平台所集成的业务数据A进行为了确保该算法具有良好的多样性和收敛性，利用Pareto非支配解排序的方法确保收敛性，通过预置3个二维均匀分布向量和对非支配解进行聚类的方法保持算法所求解的多样39为2为雌2第三方云平台汇聚了n条服务价值链平台汇聚了的数据，通过集成各条服务进制离散金豺算法的服务价值链多链数据特征选[0067]通过MOBGJO与基于拥挤距离的多目标二进制粒子