CN119474890A 一种数据的处理方法、装置、设备及可读存储介质 （贵州大学）

学个人脸特征数据的人脸数据集；根据人脸数据混沌映射算法和预设量子算法对原始种群集进2根据所述人脸数据集，得到所述人脸数据集对应的原始种群，所述个特征个体，多个所述特征个体中的每个特征个体均包含多个且数量相同的人脸特征数根据预设圆混沌映射算法和预设量子算法对所述原始种群进行根据所述初始化种群中每个特征个体的适应度值，对所述初始化种群进行更新处理，根据所述更新后的种群中每个特征个体的适应度值，确定标特征个体对应的人脸特征数据确定为目标人脸特根据所述预设圆混沌映射算法，确定所述原始种群中每个特征根据所述预设量子算法对所述初始位置信息进行变换处理，得到所3.根据权利要求2所述的数据的处理方法，其特征在于，根据所述预设圆混沌映射算根据所述原始种群中每个特征个体的初始位置信息，确定每个特征根据预设量子比特以及每个特征个体据对应的量子空间位置，确将所述更新位置信息对应的特征个体确定为更新特征个体，所根据所述更新特征个体的适应度值以及与当前更新特征个体对应的所述原始种群中根据所述初始化种群中每个特征个体的适应度值，对所述初始化3基于水平的学习策略对所述多个不同等级的种群层中的特征个体按照预设迭代次数确定每一轮位置迭代更新处理的所述更新后的种群中对应适应度值最大的特征个体根据所述适应度值最小的特征个体对应的位置信息以及所述预将所述候选特征个体以及在所述更新后的种群中剔除所述适应度值最大的特征个体将所述目标特征个体对应的人脸特征数据确定为目标人人脸特征数据；根据预设圆混沌映射算法和预设量子算法对所述原始种群进行初始化处一个或多个处理器，用于执行所述一个或多个程序，实现如权利该程序被处理器执行时实现如权利要求1至74述目标特征个体对应的人脸特征数据确定为目标人脸5根据所述预设圆混沌映射算法，确定所述原始种群中每个特征个体的混沌映射根据所述更新特征个体的适应度值以及与当前更新特征个体对应的所述原始种基于水平的学习策略对所述多个不同等级的种群层中的特征个体按照预设迭代确定每一轮位置迭代更新处理的所述更新后的种群中对应适应度值最大的特征将所述候选特征个体以及在所述更新后的种群中剔除所述适应度值最大的特征将所述目标特征个体对应的人脸特征数据确定为目标人6图2是本发明一可选的实施例提供的原始混沌映射算法与预设混沌映射算法对应图3是本发明一可选的实施例提供的不同算法在不同人脸识别数据集上的优化效图4是本发明一可选的实施例提供的不同算法对人脸识别数据集进行处理后的分图5是本发明一可选的实施例提供的不同算法对人脸识别数据集进行处理后的特图6是本发明一可选的实施例提供的不同算法在不同人脸识别数据集上运行30次7结构和技术可能并未详细地示出或描述从而避免不必要地混淆通常需要用一种常见且直观的方式来编码可能的特征选择方案，如使用二进制字符串编2）Mirjalili等人于2014年提出了灰狼优化算法（GWO84）t=2G6）9）12）13）14）9步骤13，根据预设圆混沌映射算法和预设量子算法对原始种群进行初始化处理，初始化过程中利用圆混沌映射的复杂性和遍历性来增强初始个体的随机性和分布均匀性，这里，目标特征个体可以包括更新后的种群中的优选特征个体以及新生成的候选特征个15）示混沌映射值，也即是下一次迭代的点（下一次迭代映射的特征个体对应的初始位置序16）;IP)=aI0)+IB)18）IaI2+IBI2=119）20）幅(α和β)来构造不同特征个体的位置；量子比特的状态矩阵直接对应特征个体的量子空间其中，xic表示特征个体的余弦位置，xixic=((cos0+1)(ub-lb))+lb22）xs=((sin0+1)(ub-lb))+lb23）25）26）当时，采用动态量子旋转门进行量子态逻辑转换，更新过程如公式进而得到初始化种群；正弦位置xis对应一个虚拟的第二更新特征个体，将每一个初始位置信息对应的特征个体将原始种群中所有特征个体进行筛选后的最优特征个体组成的集合作为最终的初始化种32）[0043]对原始种群进行初始化处理，相当于将原始种群中每个特征个体的数量进行2倍步骤142，基于水平的学习策略对多个不同等级的种群层中的特征个体按照预设[0045]该实施例中，首先将初始化种群中特征个体按照适应度29）30）34）35）步骤151，确定每一轮位置迭代更新处理的更新后的种群中对应适应度值最大的步骤153，将候选特征个体以及在更新后的种群中剔除适应度值最大的特征个体36）图3展示了本发明上述实施例提供的方法与其他五种算法在不同人脸识别数据集[0052]图6是各算法在每个数据集上运行30次的平均运行时间柱状图，从平均运行时间标下的最佳结果，以便读者可以快速识别哪些算法在特征选择的有效性和稳定性方面表现最好。从表中可以看出，本发明上述实施例提供的方法在多个评价维度上都取得了显著的优势，且五个评价指标均较低。结合误差评估结果验证了本发明上述实施例提供的方法不仅具有更高的降维能力，而且在特征选择方面表现出更强的稳定性和有效性。表格中倒数果，可以看出这表明本发明上述实施例提供的方法在全部对比中都表现出显著的优势，效果优于其他算法。综上所述，本发明上述实施例提供的方法与参与对比的算法在特征子集尺寸方面有显著差异。[0065]通过预设圆混沌映射算法和预设量子算法对获取的人脸数据集的原始种群进行诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息[0071]CPU501可以是各种具有处理和计算能力的通用和/或专用处理组件。CPU501的一些实施例中，数据的处理方法10可被实现为计算机软件程序，其被有形地包含于计算机ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503行数据的处理方法10。的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，普通技术人员在阅读了本发明的说