二元灰狼优化（BGWO）应用于特征选择任务（Matlab代码实现）

    目录

💥1 概述

📚2 运行结果

🎉3 参考文献

👨‍💻4 Matlab代码

---

💥1 概述

特征选择是当前信息领域,尤其是模式识别领域的研究热点。该代码演示了BGWO如何使用基准数据集Main解决特征选择问题。

📚2 运行结果

 

🎉3 参考文献

[1]童坤. 基于改进GWO算法的入侵检测特征选择研究[D].湖北工业大学,2019.

👨‍💻4 Matlab代码

主函数部分代码：

%% 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;

​