1.一种基于萤火虫算法的关联方法，其特征在于，包括以下步骤：根据关联任务确定目标函数和约束空间并输入参数初值；

基于萤火虫算法，根据参数初值、目标函数和约束空间求解区间划分阈值局部最优解，得到已知局部最优解集合；

人工标定区间划分阈值局部最优解，得到人工局部最优解；

屏蔽已知局部最优解和人工局部最优解，迭代计算区间划分阈值局部最优解直至达到最大迭代次数，输出解集；

根据置信度选择解集中的最优解并指导关联任务进行区间划分；

所述关联任务为根据医学图像的特征在区间的分布进行疾病识别；

所述参数初值包括萤火虫移动步长、局部解作用半径、迭代次数、函数最低要求、屏蔽函数系数、光照影响系数、随机化参数和光照削弱系数；

所述屏蔽已知局部最优解和人工局部最优解，迭代计算区间划分阈值局部最优解直至达到最大迭代次数，输出解集这一步骤，其具体包括：计算萤火虫个体与已知局部最优解集合中每个解的距离范数；

判断到距离范数小于参数局部解作用半径，设定局部凸函数以削减对应优解附近的萤火虫亮度；

构建屏蔽函数和定义解的合作用区间以跳出附近的区间划分阈值局部最优解；

迭代计算区间划分阈值局部最优解直至达到最大迭代次数，输出解集；

设定的局部凸函数公式表示如下：

j

其中，d表示常数，f (x1,x2,x3,…,xi)表示局部凸函数，f(x1,x2,x3,…,xi)表示多变量的目标函数，xi表示第i个萤火虫个体，pij表示距离范数， 表示局部最优解集合中第j解个体的第e维向量分量的取值，c表示设定的用于平衡模型数量级的参数；

定义解的合作用区间公式表示如下：

k j

其中，x表示局部最优解集合中第k解个体，x表示局部最优解集合中第j解个体；

所述屏蔽函数的公式表示如下：

其中，ε表示加权系数。

2.根据权利要求1所述一种基于萤火虫算法的关联方法，其特征在于，所述距离范数的计算公式如下：j

上式中，pij表示距离范数，xi表示第i个萤火虫个体，x表示局部最优解集合中第j解个p体，|·|表示两个向量分量相减的p次方。

3.一种基于萤火虫算法的关联系统，其特征在于，用于执行如权利要求1所述的基于萤火虫算法的关联方法，包括：初始模块，用于根据关联任务确定目标函数和约束空间并输入参数初值；

萤火虫求解模块，基于萤火虫算法，根据参数初值、目标函数和约束空间求解区间划分阈值局部最优解，得到已知局部最优解集合；

标定模块，人工标定区间划分阈值局部最优解，得到人工局部最优解；

屏蔽迭代模块，用于屏蔽已知局部最优解和人工局部最优解，迭代计算区间划分阈值局部最优解直至达到最大迭代次数，输出解集；

应用模块，用于根据置信度选择解集中的最优解并指导关联任务进行区间划分；

所述关联任务为根据医学图像的特征在区间的分布进行疾病识别；

所述参数初值包括萤火虫移动步长、局部解作用半径、迭代次数、函数最低要求、屏蔽函数系数、光照影响系数、随机化参数和光照削弱系数；

所述屏蔽已知局部最优解和人工局部最优解，迭代计算区间划分阈值局部最优解直至达到最大迭代次数，输出解集这一步骤，其具体包括：计算萤火虫个体与已知局部最优解集合中每个解的距离范数；

判断到距离范数小于参数局部解作用半径，设定局部凸函数以削减对应优解附近的萤火虫亮度；

构建屏蔽函数和定义解的合作用区间以跳出附近的区间划分阈值局部最优解；

迭代计算区间划分阈值局部最优解直至达到最大迭代次数，输出解集；

设定的局部凸函数公式表示如下：

j

其中，d表示常数，f (x1,x2,x3,…,xi)表示局部凸函数，f(x1,x2,x3,…,xi)表示多变量的目标函数，xi表示第i个萤火虫个体，pij表示距离范数， 表示局部最优解集合中第j解个体的第e维向量分量的取值，c表示设定的用于平衡模型数量级的参数；

定义解的合作用区间公式表示如下：

k j

其中，x表示局部最优解集合中第k解个体，x表示局部最优解集合中第j解个体；

所述屏蔽函数的公式表示如下：

其中，ε表示加权系数。