[发明专利]一种优化帕金森语音数据的多模态特征选择方法

权利要求书

1.一种优化帕金森语音数据的多模态特征选择方法，其特征在于，包括以下步骤：

提取原始帕金森语音数据，确定属性和标签并建立帕金森语音数据集；其中，属性代表着语音数据的采集标准，而标签代表着所述语音数据对应的人是健康的还是患病的；

基于粒子群算法，初始化种群，根据帕金森语音数据集的维度初始化个体的位置范围，从而确定搜索空间；依据实数编码方案，确定个体的特征字符串；

根据个体适应值对整个种群进行随机划分，将种群中的个体划分至小生境中；

更新每个个体的历史最优值和历史最优位置，指导个体的搜索方向；更新每个小生境中最优个体的位置和适应值，将每个小生境的最优个体作为该小生境所有个体的全局最优个体，进一步指导个体的搜索方向；

更新每个个体的位置和速度，并根据每个个体的特征字符串，结合帕金森语音数据集评估个体的适应值；将更新完的个体作为新的种群，与旧种群进行比较，得到新一代种群；

对新一代种群和旧种群进行筛选，保留两个种群的最优个体，并且剔除重复个体，得出新一代的种群进行演化；

输出每一代的所有最优个体；所有所述最优个体的特征组合将应用于帕金森疾病的预测。

2.根据权利要求1所述的优化帕金森语音数据的多模态特征选择方法，其特征在于，所述根据帕金森语音数据集的维度初始化个体的位置范围，从而确定搜索空间；依据实数编码方案，确定个体的特征字符串，包括：

个体每一维位置的范围设置在[0,1]区间，在此区间个体给每一维位置随机初始化一个实数；个体的每一维度对应着数据集的每一条属性，每一个个体就是潜在的解决方案；把个体位置的连续实值转换为离散的01字符串，编码方案如下：

其中表示第i个个体第d维的二进制值，表示第i个个体第d维的位置；转换为字符串后，每一个个体都代表可能潜在的解决方案，个体的每一个二进制位都代表数据集的属性，0表示该属性有效，1表示该属性无效。

3.根据权利要求1所述的优化帕金森语音数据的多模态特征选择方法，其特征在于，所述根据个体适应值对整个种群进行随机划分，将种群中的个体划分至小生境中，包括：

首先设定每个子种群的大小N，然后对整个种群的个体根据适应值排序，选取当前种群里的最优个体P，计算所有个体离最优个体P的距离，找出离该最优个体P最近的N-1个个体，这N-1个个体和最优个体P将会构成一个小生境；最后将构成该小生境的N个个体从种群中剔除，重复上述步骤，直到所有个体都被分在对应的小生境里。

4.根据权利要求1所述的优化帕金森语音数据的多模态特征选择方法，其特征在于，所述更新每个个体的历史最优值和历史最优位置，包括：

如果个体当前适应值比历史最优值好，那么就用当前个体的位置x_i(t+1)和适应值fit(x_i(t+1))去替代历史最优适应值和历史最优位置；

如果当前个体的适应值等于历史最优适应值，那么选取一个随机值和阈值0.5比较，有一半的概率用当前个体的位置更新历史最优位置；如果当前个体的适应值小于历史最优适应值，那就保留历史最优位置和最优适应值。

5.根据权利要求1所述的优化帕金森语音数据的多模态特征选择方法，其特征在于，所述更新每个个体的位置和速度，速度和位置更新公式如下：

其中，k表示第k个小生境，i表示第i个个体，d表示第d维的历史最优位置，表示第t代个体速度，表示个体的历史最优位置，表示第k个小生境最优个体位置，表示第t代个体的位置，w是内部权重，c1和c2是两个加速系数，r1和r2是在[0,1]区间内服从均匀分布的随机值。

6.根据权利要求1所述的优化帕金森语音数据的多模态特征选择方法，其特征在于，所述将更新完的个体作为新的种群，与所述初始化种群进行比较，得到新一代种群，包括：

首先保存两个种群的最优个体，如果此时最优个体数目大于等于种群大小，那就保存相当于种群大小数目的个体即可；如果最优个体数目小于种群大小，那就保存所有最优个体并且从这两个种群中选择较优个体弥补缺少的种群数目，最后就得到了给新一代演化的种群。