【特征选择】基于原子搜索算法实现二进制特征选择问题附matlab代码
【特征选择】基于原子搜索算法实现二进制特征选择问题附matlab代码
TT_Matlab
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，完整matlab代码或者程序定制加qq1575304183。
1 简介
作为物理-元启发式算法中的一种，ASO 最早在 2018 年由赵卫国提出并将其应用于地下水分散系数估计。ASO 的灵感来自于基本的分子动力学,自然界中所有的物质都是由原子组成,原子具备质量和体积,在一个原子系统中,所有原子都是相互作用并且处于恒定的运动状态，其微观相互作用十分复杂。随着科学技术的发展，近些年来分子动力学发展迅速，已经可以使用计算机模拟原子和分子的物理运动规律。
2 部分代码
%
-------------------------------------------------------------------%
%
Atom Search Optimization (ASO) %
%
-------------------------------------------------------------------%
%
---输入------------------------------ --------------
%
壮举：特征向量（实例 x 特征）
%
标签：标签向量（实例 x 1）
%
N : 原子数
%
max_Iter : 最大迭代次数
%
alpha：深度权重
%
beta：乘数权重
%
---输出------------------------------ -------------
%
sFeat : 选定的功能
%
Sf : 选定的特征索引
%
Nf : 所选特征的数量
%
曲线：收敛曲线
%
--------------------------------------------------------------------
%
% 原子搜索算法
clc, clear, close;
%
基准数据集
load ionosphere.mat;
%
设置 20% 的数据作为验证集
ho = 0.2;
%
保持方法
HO = cvpartition(label,’HoldOut’,ho,’Stratify’,false);
%
参数设置
N = 20;
max_Iter = 200;
alpha = 50;
beta = 0.2;
%
原子搜索优化
[sFeat,Sf,Nf,curve] = jASO(feat,label,N,max_Iter,alpha,beta,HO);
%
绘制收敛曲线
plot(1:max_Iter,curve);
xlabel(’迭代次数’);
ylabel(’最优值’);
title(’ASO’); grid on;
3 仿真结果
4 参考文献
[1]洪欣. 基于原子搜索优化算法的结构参数识别[D]. 深圳大学, 2019.
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。