基于二元多邻域人工蜂群 (BMNABC) 特征选择问题附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机

⛄ 内容介绍

​在分类问题中,数据之间存在的大量冗余、不相关的特征不仅不能增加分类准确率,反而会降低分类算法执行的速度。为了提升特征选择的效率,提出了一种基于二元多邻域人工蜂群 (BMNABC)，与其他经典多目标算法在11个UCI测试数据集上的特征选择实验结果表明,提出的算法在减小分类特征数、增大分类结果准确率方面具有显著效果。

⛄ 部分代码

% * Feature Selection Using BMNABC: Binary Multi-Neighborhood Artificial Bee Colony

% * The Code is based on the following paper:

%   Zahra Beheshti(2018), BMNABC: 

%   Optimization Problems, Cybernetics and Systems 49 (7-8), 452-474.

clc

close all

clear all

global A trn vald;

%%

% Dataset

 A=load('Im.data');         CaseName='Im';              %Numbers of Features: 270    Numbers of Samples: 1000

%A=load('Zoo.data');        CaseName='Zoo';             %Numbers of Features: 16     Numbers of Samples: 101

%%

N=30; %Colony Size

max_it=100;

Limit=max_it/4; %Number of trials in BMNABC 

r=randperm(size(A,1));

trn=r(1:floor(length(r)*0.8));      % Training Set= 80%

vald=r(floor(length(r)*0.8)+1:end); % Testing Set=20%

%/FoodNumber:The number of food sources equals the half of the colony size*/

[BestChart,Error,BestFitness,BestPosition]=  BMNABC(N/2,max_it,size(A,2)-1,'AccSz',Limit);

%%

%Output:

q=sum(BestPosition,2); % Selected Features

disp(['Accuracy:',num2str((1-Error)*100), '  #Selected Features=',num2str(q)]);

%%

% Plot

plot(BestChart,'-b');

legend('\fontsize{10}\bf BMNABC');

xlabel('\fontsize{12}\bf Iteration');

ylabel(['\fontsize{11}\bf Average Error for ',CaseName,' Dataset']);

⛄ 运行结果

⛄ 参考文献

 Zahra Beheshti(2018), BMNABC: Binary Multi-Neighborhood Artificial Bee Colony for High-Dimensional Discrete  Optimization Problems, Cybernetics and Systems 49 (7-8), 452-474.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除