[发明专利]一种基于强化学习的大数据特征提取方法及系统

权利要求书

1.一种基于强化学习的大数据特征提取方法，其特征在于，包括以下步骤：

S1、获取原始大数据并进行特征提取，得到全局特征和局部特征；

S2、智能体根据全局特征和局部特征生成动作策略和状态值；

S3、根据动作策略执行相应的动作，得到特征数据；

S4、根据智能体的状态值和局部特征进行评价，并生成得分奖励；

S5、循环步骤S1-S4并累积得分奖励，判断到累积的得分奖励最大化，以当前的特征数据为最优特征。

2.根据权利要求1所述一种基于强化学习的大数据特征提取方法，其特征在于，所述智能体包括三个全连接层和一个长短期记忆网络，所述智能体根据全局特征和局部特征生成动作策略和状态值这一步骤，其具体包括：

基于智能体中的全连接层将全局特征和局部特征进行整合，并根据整合特征生成动作策略；

基于智能体中的长短期记忆网络根据整合特征值生成智能体的状态值。

3.根据权利要求2所述一种基于强化学习的大数据特征提取方法，其特征在于，所述根据动作策略执行相应的动作，得到特征数据这一步骤，其具体包括：

根据动作策略在预定义的动作空间中选择相应的动作并执行，对整合特征进行处理，得到特征数据区块；

所述动作包括区块平移、区块反转和区块缩放。

4.根据权利要求3所述一种基于强化学习的大数据特征提取方法，其特征在于，所述根据智能体的状态值和局部特征进行评价具体采用的评价函数公式如下：

p_t＝sign(g(d_t+1)-g(d_t))-τ(t+1)

上式中，sign(.)为符号函数，g(d_t+1)和g(d_t)分别表示t+1时刻和t时刻的奖励分数，τ(t+1)表示负奖励项。

5.根据权利要求4所述一种基于强化学习的大数据特征提取方法，其特征在于，判断累积的得分奖励最大化具体为最大化目标函数，所述目标函数公式如下：

F＝R_t-V(s_t；θ_v)

上式中，R_t表示奖励程度，γ作为折扣因子，r_t是在步骤t时得到的即时奖励，V(s_t；θ_v)是在状态s_t时的值输出，θ_v表示网络结构的参数，k的取值范围为[0，t_max]，t_max表示更新之前的最大步骤次数。

6.一种基于强化学习的大数据特征提取系统，其特征在于，包括：

特征提取模块，用于获取原始大数据并进行特征提取，得到全局特征和局部特征；

动作策略生成模块，用于智能体根据全局特征和局部特征生成动作策略和状态值

动作执行模块，用于根据动作策略执行相应的动作，得到特征数据；

评价模块，用于根据智能体的状态值和局部特征进行评价，并生成得分奖励；

判定模块，用于循环步骤S1-S4并累积得分奖励，判断到累积的得分奖励最大化，以当前的特征数据为最优特征。