买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜安徽大学申请的专利一种基于改进遗传算法的多模态数据分析方法、系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115203631B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210834494.8，技术领域涉及：G06F18/25；该发明授权一种基于改进遗传算法的多模态数据分析方法、系统是由徐怡;张杰设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本一种基于改进遗传算法的多模态数据分析方法、系统在说明书摘要公布了：本发明属于大数据分析领域，具体涉及一种基于改进遗传算法的多模态数据分析方法、系统、装置。本发明在一个划分序乘积空间中对问题求解层进行优选，得到目标问题求解层。该方法包括如下步骤：S1：构建一个自适应遗传算法。构建过程如下：S11：设计自定义的适应度函数。S12：将选择算子改进为混合选择算子。S13：将交叉算子改进为自适应交叉算子。S14：将变异算子改进为自适应变异算子。S2：使用划分序乘积空间模型对多模态数据进行描述：随机生成初始化种群。S3：设定最大迭代轮次，利用自适应遗传算法对初始化种群进行迭代更新，得到所需的目标问题求解层。本发明解决了现有经典遗传算法存在收敛困难，容易陷入局部最优等问题。

本发明授权一种基于改进遗传算法的多模态数据分析方法、系统在权利要求书中公布了：1.一种基于改进遗传算法的多模态数据分析方法，所述多模态数据为语音，视频，或文字数据，其用于在一个根据多模态数据生成的划分序乘积空间中对问题求解层进行优选，得到最佳的目标问题求解层；并最终实现根据目标问题求解层确定最佳的解决方案的目的；其特征在于，所述多模态数据分析方法包括如下步骤：S1：构建一个基于经典遗传算法改进的自适应遗传算法；所述自适应遗传算法的构建过程如下：S11：根据问题求解层的分类精度和粒度的指标要求，设计一种用于平衡两项指标的自定义的适应度函数；S12：将经典遗传算法的选择算子改进为一种随迭代进程变更的混合选择算子；所述混合选择算子在进化前期同时采取精英保留算子和“双个体不放回”的锦标赛选择算子，在进化后期仅采用经典锦标赛选择算子；S13：将经典遗传算法的交叉算子改进为一种交叉概率随迭代进程动态调整的自适应交叉算子；以使得种群中个体在进化前期的交叉概率大于进化后期，且个体的适应度值与交叉概率负相关；所述自适应交叉算子的交叉方式为双点交叉；S14：将经典遗传算法的变异算子改进为一种变异概率随迭代进程动态调整的自适应变异算子；自适应变异算子的变异方式为多次变异，并使得只有当个体变异前后的相似度小于给定阈值且变异后个体适应度值比变异前个体的适应度值大时，才保留变异后个体，否则继续变异，直到达到最大变异次数；S2：使用划分序乘积空间模型对多模态数据进行描述：将问题求解层通过实数编码的方式转换成规定长度的染色体，并随机生成一个包含多条染色体的初始化种群；S3：设定最大迭代轮次，利用所述自适应遗传算法对所述初始化种群进行迭代更新，并在迭代更新结束后得到所需的目标问题求解层；详细过程如下：S31：计算当前种群中每个染色体个体的适应度值；S32：获取当前迭代轮次并计算迭代进程的阶段类型；所述阶段类型分为进化前期和进化后期；S33：根据当前迭代轮次的阶段类型执行不同的操作策略，进而通过选择操作、交叉操作和变异操作对当前轮次的种群进行更新；S34：判断当前迭代轮次是否达到最大迭代轮次：是则计算当前种群中每个染色体个体的适应度值，并将适应度值最大个体作为所需的目标问题求解层；否则循环步骤S31-S33的处理过程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。