一种基于群智能算法的数据降维特征选择方法

本发明公开了一种基于群智能算法的数据降维特征选择方法，涉及大数据分析技术领域，包括将初始化二进制编码映射至Grassmann流形，生成初始点位置，通过向量转移算子获得方向向量，结合混合量子旋转门更新粒子位置，生成实值评分向量，通过Sigmoid函数生成更新编码向量，结合适应度进行个人与全局最佳的更新，达到最大迭代次数后输出最优特征子集；引入香农熵与拉普拉斯分数联合评估机制，提高特征贡献度评估的精度与鲁棒性，构建基于持久同调的拓扑保持度指标，提升降维后的结构稳定性与解释性，融合Grassmann流形优化与混合量子旋转门搜索策略，避免群智能算法陷入局部最优。