[发明专利]一种基于花朵授粉算法优化模糊K近邻的分类方法及装置

权利要求书

1.一种基于花朵授粉算法优化模糊K近邻的分类方法，其特征在于，包括如下步骤：

对获取预定数量的数据样本进行归一化处理；

基于归一化后的所述数据样本，利用花朵授粉算法优化模糊K近邻的近邻个数k和模糊强度系数m，得到优化后的近邻个数k和优化后的模糊强度系数m，所述优化后的近邻个数k用于确定其临近样本的数量，所述优化后的模糊强度系数m基于近邻的距离为每个类别的样本分配不同的隶属度，离待测样本近的样本比较远的样本具有更大的隶属度；

基于所述优化后的近邻个数k和模糊强度系数m，构建所述模糊K近邻的分类模型；

根据所述分类模型对未分类数据进行分类。

2.根据权利要求1所述的分类方法，其特征在于，所述归一化处理的方法为：

根据如下公式先对数据进行归一化处理，以使得数据能够映射到相同区间内，从而减少大数据样本值对小数据样本值的扰动：

x(i),=x(i)-x(i)minx(i)max-x(i)min]]>

其中，x表示数据样本，并且x的样本容量已提前确定，x(i)’为第i个属性特征归一化后的特征值，x(i)为所述数据样本x的第i个属性特征的特征值，x(i)_max为所述数据样本x第i个属性特征的最大值，x(i)_min为所述x第i个属性特征的最小值。

3.根据权利要求1所述的分类方法，其特征在于，

对花朵授粉算法进行初始化控制参数设置，所述初始化控制参数包括花粉群体规模N、异花粉和自花授粉之间的切换概率P以及最大迭代次数Maxiter；

根据下述公式初始化花粉的位置：

x₀＝rand·(x_max-x_min)+x_min

其中，x₀为花粉初始化产生的位置，x_max为x的最大值，x_min为x的最小值，rand为[0,1]区间随机生成数。

根据归一化的数据用于计算花粉位置的适应度值，并根据所述的适应度值进行由高至低的排序，根据切换概率P控制自花授粉和异花授粉切换的概率，当机生成数大于切换概率P，进行异花授粉，更新当前花粉位置，当随机生成数小于切换概率P，则进行自花授粉更新花粉位置，对花粉位置进行比较更新，完成一次迭代优化，并根据所述更新后的花粉位置继续进行迭代优化，直到达到所述最大迭代次数为止，得到当前花粉的位置即为所求得的最优解，根据该解得到优化后的近邻个数k和优化后的模糊强度系数m。