当前位置 : 主页 > 编程语言 > python >

【特征选择】基于灰狼算法实现二进制特征选择问题附matlab代码

来源:互联网 收集:自由互联 发布时间:2022-06-15
​1 简介 1.1 灰狼算法介绍 2 部分代码 %-------------------------------------------------------------------% % Binary Grey Wolf Optimization (BGWO) demo version % %-----------------------------------------------------------------

​1 简介

1.1 灰狼算法介绍

【特征选择】基于灰狼算法实现二进制特征选择问题附matlab代码_参考文献

【特征选择】基于灰狼算法实现二进制特征选择问题附matlab代码_参考文献_02

2 部分代码

%-------------------------------------------------------------------%
% Binary Grey Wolf Optimization (BGWO) demo version %
%-------------------------------------------------------------------%
%---Input------------------------------------------------------------
% feat : feature vector (instances x features)
% label : label vector (instances x 1)
% N : Number of wolves
% max_Iter : Maximum number of iterations
%---Output-----------------------------------------------------------
% sFeat : Selected features (instances x features)
% Sf : Selected feature index
% Nf : Number of selected features
% curve : Convergence curve
%--------------------------------------------------------------------
%% Binary Grey Wolf Optimization (Version 1)
clc, clear, close
% Benchmark data set
load ionosphere.mat;
% Set 20% data as validation set
ho = 0.2;
% Hold-out method
HO = cvpartition(label,'HoldOut',ho,'Stratify',false);
% Parameter setting
N = 10;
max_Iter = 100;
% Binary Grey Wolf Optimization
[sFeat,Sf,Nf,curve] = jBGWO1(feat,label,N,max_Iter,HO);
% Plot convergence curve
plot(1:max_Iter,curve);
xlabel('Number of Iterations');
ylabel('Fitness Value');
title('BGWO1'); grid on;
%% Binary Grey Wolf Optimization (Version 2)
clc, clear, close;
% Benchmark data set
load ionosphere.mat;
% Set 20% data as validation set
ho = 0.2;
% Hold-out method
HO = cvpartition(label,'HoldOut',ho,'Stratify',false);
% Parameter setting
N = 10;
max_Iter = 100;
% Binary Grey Wolf Optimization
[sFeat,Sf,Nf,curve] = jBGWO2(feat,label,N,max_Iter,HO);
% Plot convergence curve
plot(1:max_Iter,curve);
xlabel('Number of Iterations');
ylabel('Fitness Value');
title('BGWO2'); grid on;

3 仿真结果

【特征选择】基于灰狼算法实现二进制特征选择问题附matlab代码_参考文献_03

4 参考文献

[1]江丹丹. 基于改进的多目标灰狼优化算法的碳交易价格预测[D]. 兰州大学.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

【特征选择】基于灰狼算法实现二进制特征选择问题附matlab代码_优化算法_04



【文章原创作者:阿里云代理 http://www.558idc.com/aliyun.html处的文章,转载请说明出处】
网友评论