用于优化生物特征识别模型的参数的方法和装置与流程

本技术涉及多目标优化，更具体地，涉及一种用于优化生物特征识别模型的参数的方法和装置。

背景技术：

1、在现实世界中存在很多目标优化问题，多目标优化指在给定的决策空间内，尽可能找到一系列满足约束条件的最优解集。现有的多目标优化方法主要包括传统的多目标优化方法和智能多目标优化方法。传统的多目标优化方法通过给每个目标函数分配权重将多个目标函数融合为一个目标函数来优化多个目标，该方法受到分配给多个目标函数的权重的影响，优化效率不高。智能多目标优化方法通过例如遗传算法从决策空间采样，并利用代理模型评估样本，来提高优化效率。然而，由于评估只能针对部分决策空间进行，在基于现有的智能优化方法确定的部分决策空间中不能有效地对各个目标进行均衡优化，导致无法快速地找到最优解集。

技术实现思路

1、本发明的目的在于提供一种用于生物特征识别模型的参数的方法和装置，所述方法和装置能够均衡优化多个目标，从而使得快速地获得更多帕累托最优解。

2、根据本公开的示例性实施例的一方面，提供了一种用于优化优化生物特征识别模型的参数的方法，所述方法可包括：重复以下步骤1)-3)，直到预设条件被满足：1)基于拉丁超立方采样lhs从当前决策空间选取第一测试数据集合s1，获取基于原始评估确定的集合s1对应的第一多目标值集合o1，并基于集合o1确定集合s1中的第一帕累托解集，其中，所述决策空间由所述生物特征识别模型的参数构成，2)基于非支配排序遗传算法nsga从所述当前决策空间选取第二测试数据集合s2并获取基于已训练的代理模型确定的集合s2对应的第二多目标值集合o2，并基于集合o2确定集合s2中的第二帕累托解集，3)基于集合o1、集合o2、集合s1和集合s2更新所述当前决策空间；以及响应于所述预设条件被满足，基于第一帕累托解集和第二帕累托解集确定最终的帕累托解集，其中，集合o1和集合o2中的每个多目标值包括多个目标中的每个目标的值，其中，所述多个目标包括生物特征识别模型的识别准确性和延迟性。

3、根据本公开的实施例，通过利用基于lhs和nsga获得的测试数据集合和帕累托解集来更新决策空间，可在在下一次迭代优化过程中快速地找到更多帕累托解，从而提高多目标优化效率以快速确定生物特征识别模型的较优参数。

4、可选地，基于集合o1、集合o2、集合s1和集合s2更新所述当前决策空间的步骤可包括：基于集合o1、集合o2确定所述多个目标中的优化最慢的第一目标；选择集合s2中的第一目标的值与第一目标的期望值的差异较大的n个元素作为子集s2*；选择集合s1和子集s2*中的第一目标的原始评估值与第一目标的期望值的差异较大的m个元素作为子集su；基于集合s1、集合s2、集合o1、集合o2确定所述当前决策空间中的每个决策变量与第一目标的相关系数；以及通过基于所述相关系数扩展由子集su中的元素组成的决策空间获得更新的当前决策空间。

5、根据本公开的实施例，基于优化最慢的目标更新决策空间，可在下一次优化时加快该目标的优化，从而使得多目标能够被均衡优化。

6、可选地，基于集合o1、集合o2确定所述多个目标中的优化最慢的第一目标的步骤可包括：针对集合o1和集合o2中的每个元素，确定所述多个目标中的每个目标的值与所述每个目标的期望值之间的差值的绝对值；确定每个目标对应的绝对值中的最小值；计算所述每个目标对应的所述最小值与所述每个目标的期望值的比值；以及将所述多个目标对应的比值中的最大值对应的目标确定为第一目标。

7、可选地，基于所述相关系数将由子集su中的元素组成的决策空间扩展为所述当前决策空间的步骤可包括：响应于决策变量对应的所述相关系数的绝对值大于预设值，通过扩展由子集su中的元素组成的决策空间中的所述决策变量的值范围来更新所述当前决策空间。

8、可选地，通过扩展由子集su中的元素组成的决策空间中的所述决策变量的值范围来更新所述当前决策空间的步骤可包括：响应于所述决策变量对应的所述相关系数为负，扩大所述决策变量的值范围的下限；以及响应于所述决策变量对应的所述相关系数为正，扩大所述决策变量的值范围的上限。

9、可选地，所述预设条件可以为原始评估的次数超过预设值，或者重复步骤1)-3)的次数达到预设值。

10、可选地，所述相关系数可以为皮尔逊相关系数。

11、根据本公开的实施例的另一方面，提供了一种用于优化生物特征识别模型的参数的装置，所述装置可包括：处理电路，被配置为：重复执行以下操作1)-3)直到预设条件被满足：1)基于拉丁超立方采样lhs从当前决策空间选取第一测试数据集合s1，获取基于原始评估确定的集合s1对应的第一多目标值集合o1，并基于集合o1确定集合s1中的第一帕累托解集，其中，所述决策空间由所述生物特征识别模型的参数构成，2)基于非支配排序遗传算法nsga从所述当前决策空间选取第二测试数据集合s2并获取基于已训练的代理模型确定的集合s2对应的第二多目标值集合o2，并基于集合o2确定集合s2中的第二帕累托解集，以及3)基于集合o1、集合o2、集合s1和集合s2更新所述当前决策空间；以及响应于所述预设条件被满足，基于第一帕累托最优解集和第二帕累托最优解集确定最终的帕累托最优解集，其中，集合o1和集合o2中的每个多目标值包括多个目标中的每个目标的值，其中，所述多个目标包括生物特征识别模型的识别准确性和延迟性。

12、可选地，所述处理电路可被配置为：基于集合o1、集合o2确定所述多个目标中的优化最慢的第一目标；选择集合s2中的第一目标的值与第一目标的期望值的差异较大的n个元素作为子集s2*；选择集合s1和子集s2*中的第一目标的原始评估值与第一目标的期望值的差异较大的m个元素作为子集su；基于集合s1、集合s2、集合o1、集合o2确定所述当前决策空间中的每个决策变量与第一目标的相关系数；以及通过基于所述相关系数扩展由子集su中的元素组成的决策空间获得更新的当前决策空间。

13、可选地，所述处理电路可被配置为：针对集合o1和集合o2中的每个元素，确定所述多个目标中的每个目标的值与所述每个目标的期望值之间的差值的绝对值；确定每个目标对应的绝对值中的最小值；计算所述每个目标对应的所述最小值与所述每个目标的期望值的比值；以及将所述多个目标对应的比值中的最大值对应的目标确定为第一目标。

14、可选地，所述处理电路可被配置为：响应于决策变量对应的所述相关系数的绝对值大于预设值，通过扩展由子集su中的元素组成的决策空间中的所述决策变量的值范围来更新所述当前决策空间。

15、可选地，所述处理电路可被配置为：响应于所述决策变量对应的所述相关系数为负，扩大所述决策变量的值范围的下限；以及响应于所述决策变量对应的所述相关系数为正，扩大所述决策变量的值范围的上限。

16、可选地，所述预设条件可以为原始评估的次数超过预设值，或者重复操作1)-3)的次数达到预设值。

17、可选地，所述相关系数可以为皮尔逊相关系数。

18、根据本公开的实施例的另一方面，提供了一种优化生物特征识别模型参数的方法，包括：通过进行以下操作确定第一帕累托解集和第二帕累托解集：于拉丁超立方采样lhs从决策空间选择第一测试数据集，所述决策空间包括所述生物特征识别模型的参数，基于原始评估，确定与第一测试数据集相应的第一多目标值集合，基于第一多目标值集合确定第一测试数据集的第一帕累托解集，基于非支配排序遗传算法nsga从所述决策空间中选择第二测试数据集，基于已训练的代理模型，确定与第二测试数据集相应的第二多目标值集合，基于第二多目标值集合确定第二测试数据集的第二帕累托解决解集，以及基于第一测试数据集、第二测试数据集、第一多目标值集合和第二多目标值集合更新所述决策空间；响应于条件未被未满足，重复所述确定第一帕累托解集和第二帕累托解集的步骤；以及响应于所述条件被满足，基于第一帕累托解集和第二帕累托解集确定最终帕累托解集，其中，第一多目标值集合和第二多目标值集合中的每个多目标值包括多个目标中每个目标的值，以及其中，所述多个目标包括所述生物特征识别模型的识别精度和识别延迟。

19、可选地，基于第一测试数据集、第二测试数据集、第一多目标值集合和第二多目标值集合更新所述决策空间的步骤包括：基于第一测试数据集和第二测试数据集，确定所述多个目标中的优化最慢的第一目标；从第二多目标值集合中选择n个元素作为第一子集，其中，n个元素中每个元素的第一目标的值与第一目标的期望值具有较大差值；从第一多目标值集合和第一子集中选择m个元素作为第二子集，其中，m个元素中的每个元素的第一目标的原始评估值与第一目标的期望值具有较大差值；基于第一测试数据集、第二测试数据集、第一多目标值集合和第二多目标值集合，确定所述决策空间中每个决策变量与第一目标之间的相关系数；以及通过基于所述相关系数扩展由第二子集元素组成的决策空间来获得更新的决策空间。

20、可选地，基于第一测试数据集和第二测试数据集，确定所述多个目标中的优化最慢的第一目标的步骤包括：针对第一测试数据集和第二测试数据集中的每个元素，确定所述多个目标中每个目标的值与每个目标的期望值之间的差值的绝对值；确定与每个目标相应的绝对值中的最小值；计算与每个目标相应的最小值与每个目标的期望值的比值；以及将与所述多个目标相应的比值中的最大值对应的目标确定为第一目标。

21、可选地，通过基于所述相关系数扩展由第二子集元素组成的决策空间来获得更新的决策空间的步骤包括：通过响应于与由第二子集的元素组成的所述决策空间中的决策变量相应的相关系数的绝对值大于预设值扩展所述决策变量的值的范围来更新所述决策空间。

22、可选地，通过响应于与由第二子集的元素组成的所述决策空间中的决策变量相应的相关系数的绝对值大于预设值扩展所述决策变量的值的范围来更新所述决策空间的步骤包括：响应于与所述决策变量相应的所述相关系数为负，扩展所述决策变量的值的范围的下限；以及响应于与所述决策变量相应的所述相关系数为正，扩展所述决策变量的值的范围的上限。

23、根据本公开的实施例的另一方面，提供了一种电子装置，所述电子装置包括：处理器；以及存储器，存储有当由所述处理器执行时使得所述处理器执行如本文所述的用于优化生物特征识别模型的参数的方法的计算机程序。

24、根据本公开的实施例的另一方面，提供了一种存储有计算机程序的计算机可读存储介质，其中，当所述计算机程序被处理器执行时使得所述处理器实现如本文所述的用于优化生物特征识别模型的参数的方法。