[发明专利]工业数据特征选择方法、装置、计算机设备和存储介质

权利要求书

1.一种工业数据特征选择方法，其特征在于，所述方法包括：

利用初始种群包含的多个个体所表征的特征选择方式，从工业数据的待选特征集合中选取多个特征子集；所述初始种群用于特征筛选；

根据各所述特征子集对设定预测结果的预测准确度，从所述多个个体中选取第一父代个体和第二父代个体；

当所述第一父代个体和第二父代个体的基因编码相同时，保留为子代的基因编码，以及当所述第一父代个体和第二父代个体的基因编码不相同时，保留所述预测准确度较高的父代个体所对应的基因编码为所述子代的基因编码，得到一个子代；

根据基于所述一个子代选取的新特征子集对应的预测准确度，更新所述初始种群；

基于更新后的所述初始种群从所述待选特征集合中选择所述工业数据的目标特征集合。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述特征子集对设定预测结果的预测准确度，从所述多个个体中选取第一父代个体和第二父代个体之前，所述方法还包括：

将所述多个特征子集输入预先构建的神经网络，以使所述神经网络输出各所述特征子集对应的预测准确度。

3.根据权利要求2所述的方法，其特征在于，所述神经网络包括多个隐藏层，所述神经网络的激活函数采用线性整流函数，所述神经网络的随机梯度下降的并行计算基于Hogwild！算法实现。

4.根据权利要求2所述的方法，其特征在于，

所述将所述多个特征子集输入预先构建的神经网络，包括：

将所述多个特征子集中的特征进行二进制编码后输入所述神经网络。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据各所述特征子集对设定预测结果的预测准确度，从所述多个个体中选取第一父代个体和第二父代个体，包括：

基于锦标赛选择策略，按照从所述初始种群中随机选取至少两个个体，将所述至少两个个体中预测准确度高的个体作为父代个体的父代筛选方式，依次获取所述第一父代个体和第二父代个体。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述根据基于所述一个子代选取的新特征子集对应的预测准确度，更新所述初始种群，包括：

利用所述子代所表征的特征选择方式，从所述待选特征集合中选取一个新的特征子集；

根据所述新的特征子集，计算所述子代的预测准确度；

如果所述子代的预测准确度大于所述初始种群的平均预测准确度，将所述子代随机替换所述初始种群中预测准确度小于所述子代的一个个体。

7.根据权利要求1至4任一项所述的方法，其特征在于，所述利用初始种群包含的多个个体所表征的特征选择方式，从工业数据的待选特征集合中选取多个特征子集之前，所述方法还包括：

将待处理的所述工业数据转化为特征向量，对所述特征向量进行预处理，得到所述待选特征集合。

8.一种工业数据特征选择装置，其特征在于，所述装置包括：

特征子集选取模块，用于利用初始种群包含的多个个体所表征的特征选择方式，从工业数据的待选特征集合中选取多个特征子集；所述初始种群用于特征筛选；

父代选取模块，用于根据各所述特征子集对设定预测结果的预测准确度，从所述多个个体中选取第一父代个体和第二父代个体；

子代生成模块，用于当所述第一父代个体和第二父代个体的基因编码相同时，保留为子代的基因编码，以及当所述第一父代个体和第二父代个体的基因编码不相同时，保留所述预测准确度较高的父代个体所对应的基因编码为所述子代的基因编码，得到一个子代；

种群优化模块，用于根据基于所述一个子代选取的新特征子集对应的预测准确度，更新所述初始种群；

特征选择模块，用于基于更新后的所述初始种群从所述待选特征集合中选择所述工业数据的目标特征集合。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。