[发明专利]分类预测模型的优化方法、装置及终端设备

说明书

本发明适用于计算机技术领域，提供了一种分类预测模型的优化方法、装置及终端设备，所述方法包括：获取训练样本数据，所述训练样本数据包括属性样本数据和类别样本数据；采用所述训练样本数据，通过结合果蝇优化算法和灰狼优化算法获取所述分类预测模型的最优惩罚系数C和最优核宽γ；根据所述最优惩罚系数C和最优核宽γ构建最优的所述分类预测模型。本发明实施例通过将所述果蝇优化算法与灰狼优化算法相结合，并获取所述分类预测模型的最优惩罚系数C和最优核宽γ，进而构建最优的分类预测模型，使得所述分类预测模型具有优秀的全局寻优能力，对具体应用场景的问题能够快速地得到准确的分析结果。

技术领域

本发明属于计算机技术领域，尤其涉及分类预测模型的优化方法、装置及 终端设备。

背景技术

目前，利用群体智能优化算法建立数据分析模型，获取数据的最优解，正 逐渐的应用在各个领域。其中，所述群体智能优化算法通过模拟自然界中各种 生物或非生物所表现出的群体智能行为得到，包括果蝇优化算法、蚁群算法、 粒子群算法、人工蜂群算法和鸡群算法等等群体智能优化算法。其中，果蝇优 化算法相较于其他的群体智能算法而言，求解时具有较快的收敛速度。但是， 在利用果蝇优化算法进行数据分析的过程中，极其容易出现因陷入局部最优解， 而难以找到全局最优解的情况，导致无法对具体应用场景的问题快速地得到准 确的分析结果。

发明内容

有鉴于此，本发明实施例提供了一种分类预测模型的优化方法、装置及终 端设备，以解决现有技术中利用果蝇优化算法进行数据分析的过程中，容易因 陷入局部最优解，而难以找到全局最优解的问题。

本发明实施例的第一方面提供了一种分类预测模型的优化方法，包括：

获取训练样本数据，所述训练样本数据包括属性样本数据和类别样本数据；

采用所述训练样本数据，通过结合果蝇优化算法和灰狼优化算法获取所述 分类预测模型的最优惩罚系数C和最优核宽γ；

根据所述最优惩罚系数C和最优核宽γ构建最优的所述分类预测模型。

本发明实施例的第二方面提供了一种分类预测模型的优化装置，包括：

获取单元，用于获取训练样本数据，所述训练样本数据包括属性样本数据 和类别样本数据；

优化单元，用于采用所述训练样本数据，通过结合果蝇优化算法和灰狼优 化算法获取所述分类预测模型的最优惩罚系数C和最优核宽γ；

构建单元，用于根据所述最优惩罚系数C和最优核宽γ构建最优的所述分 类预测模型。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及 存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行 所述计算机程序时实现上述第一方面所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可 读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一 方面所述方法的步骤。

本发明实施例，通过将所述果蝇优化算法与灰狼优化算法相结合，并获取 所述分类预测模型的最优惩罚系数C和最优核宽γ，进而构建最优的分类预测 模型，使得所述分类预测模型具有优秀的全局寻优能力，解决了现有技术中利 用果蝇优化算法进行数据分析的过程中，出现因陷入局部最优解，而难以找到 全局最优解的问题，对具体应用场景的问题能够快速地得到准确的分析结果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅 仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳 动性的前提下，还可以根据这些附图获得其他的附图。