1 简介

文章提出了一个基于梯度优化算法进行特征选择,由一个优化器、基于梯度的优化器 (GBO) 组成，该优化器与分类器 k-最近邻 (k-NN) 混合, 使用 ionosphere 数据集评估引入的框架 GBO-KNN 的性能.

2 部分代码

%-------------------------------------------------------------------------%% GBO - KNN for features selections                                       %%                                                                         %​​%---Inputs-----------------------------------------------------------------% feat:   features% label:  labelling% N:      Number of gases% T:      Maximum number of iterations% Nc:     Number of gas types% *Note: k-value of KNN & hold-out setting can be modified in jFitnessFunction.m%---Outputs----------------------------------------------------------------% sFeat:  Selected features% Sf:     Selected feature index% Nf:     Number of selected features% curve:  Convergence curve%--------------------------------------------------------------------------% % % % %% Gradient based  Optimization clc, clear, close; % Benchmark data set load ionosphere.mat; % % Parameter setting N=10; T=100; % % Henry Gas Solubility Optimization [sFeat2,Sf2,Nf2,curve2]=jGBO(feat,label,N,T);% Plot convergence curvefigure(); plot(1:T,curve2); xlabel('Number of iterations');ylabel('Fitness Value'); title('GBO'); grid on;​

3 仿真结果

4 参考文献

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。