【SVM分类】基于布谷鸟算法优化实现SVM数据分类matlab源码

一、神经网络-支持向量机

支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 1 数学部分 1.1 二维空间 2 算法部分

二、布谷鸟算法

受到蜜蜂群体的有组织的觅食过程的启发，Karaboga提出了模拟蜜蜂群体觅食过程的人工蜂群(Artificial Bee Colony) 算法用于解决多维度多峰谷的优化问题。该算法创始之初被用来寻找Sphere、Rosenbrock和Rastrigin函数的最小值。首先对蜜蜂基于摇摆舞进行觅食的过程特征进行介绍。在图1中，存在两个已发现的食物源A和B。初始时，潜在工蜂以非雇佣蜂的身份进行搜索。它并不知道蜂房附近的任何蜜源的信息。因此，它有以下两个可能的选择：（1）成为一个侦察蜂，秉着自身潜在动力或外在因素自发的搜索蜂房附近的区域(见图1中的S)；（2）在观看摆尾舞后，成为一个被招募者，并开始搜索蜜源(见图1中的R)。在定位蜜源之后，该蜜蜂能够利用自身的能力来记住食物源的位置，并立刻对它进行探索。该蜜蜂现在成为了一个雇佣蜂。雇佣蜂采到蜂蜜后，从蜜源处返回蜂房并将蜂蜜卸载到蜜室中。在卸载完蜂蜜后，雇佣蜂有下列三个选择：（1）放弃已经采集过的蜜源，成为一个受其他摇尾舞招募的跟随者(UF)。（2）施展摇尾舞技，招募蜂房内的同伴，再次回到原先采集过的食物源(EF1)。（3）不招募其它的蜜蜂，继续探索采集过的食物源(EF2)。

二、算法流程

人工蜂群算法由连续的四个阶段组成，分别是初始化阶段、引领(雇佣)蜂阶段、跟随蜂阶端和侦察蜂阶段。人工蜂群算法中将人工蜂群分为引领蜂、跟随蜂和侦察蜂三类，每一次搜索过程中，引领蜂和跟随蜂是先后开采食物源，即寻找最优解，而侦察蜂是观察是否陷入局部最优，若陷入局部最优则随机地搜索其它可能的食物源。每个食物源代表问题一个可能解，食物源的花蜜量对应相应解的质量（适应度值f i t fitfit）。

1、初始化阶段

2、引领蜂阶段

3、跟随蜂阶段

4、侦察蜂阶段

5、食物源

三、代码

clc;
clear;
close all;%% Problem DefinitionCostFunction=@(x) Sphere(x);        % Cost FunctionnVar=5;             % Number of Decision VariablesVarSize=[1 nVar];   % Decision Variables Matrix SizeVarMin=-10;         % Decision Variables Lower Bound
VarMax= 10;         % Decision Variables Upper Bound%% ABC SettingsMaxIt=200;              % Maximum Number of IterationsnPop=100;               % Population Size (Colony Size)nOnlooker=nPop;         % Number of Onlooker BeesL=round(0.6*nVar*nPop); % Abandonment Limit Parameter (Trial Limit)a=1;                    % Acceleration Coefficient Upper Bound%% Initialization% Empty Bee Structure
empty_bee.Position=[];
empty_bee.Cost=[];% Initialize Population Array
pop=repmat(empty_bee,nPop,1);% Initialize Best Solution Ever Found
BestSol.Cost=inf;% Create Initial Population
for i=1:nPoppop(i).Position=unifrnd(VarMin,VarMax,VarSize);pop(i).Cost=CostFunction(pop(i).Position);if pop(i).Cost<=BestSol.CostBestSol=pop(i);end
end% Abandonment Counter
C=zeros(nPop,1);% Array to Hold Best Cost Values
BestCost=zeros(MaxIt,1);%% ABC Main Loopfor it=1:MaxIt% Recruited Beesfor i=1:nPop% Choose k randomly, not equal to iK=[1:i-1 i+1:nPop];k=K(randi([1 numel(K)]));% Define Acceleration Coeff.phi=a*unifrnd(-1,+1,VarSize);% New Bee Positionnewbee.Position=pop(i).Position+phi.*(pop(i).Position-pop(k).Position);% Evaluationnewbee.Cost=CostFunction(newbee.Position);% Comparisionif newbee.Cost<=pop(i).Costpop(i)=newbee;elseC(i)=C(i)+1;endend% Calculate Fitness Values and Selection ProbabilitiesF=zeros(nPop,1);MeanCost = mean([pop.Cost]);for i=1:nPopF(i) = exp(-pop(i).Cost/MeanCost); % Convert Cost to FitnessendP=F/sum(F);% Onlooker Beesfor m=1:nOnlooker% Select Source Sitei=RouletteWheelSelection(P);% Choose k randomly, not equal to iK=[1:i-1 i+1:nPop];k=K(randi([1 numel(K)]));% Define Acceleration Coeff.phi=a*unifrnd(-1,+1,VarSize);% New Bee Positionnewbee.Position=pop(i).Position+phi.*(pop(i).Position-pop(k).Position);% Evaluationnewbee.Cost=CostFunction(newbee.Position);% Comparisionif newbee.Cost<=pop(i).Costpop(i)=newbee;elseC(i)=C(i)+1;endend% Scout Beesfor i=1:nPopif C(i)>=Lpop(i).Position=unifrnd(VarMin,VarMax,VarSize);pop(i).Cost=CostFunction(pop(i).Position);C(i)=0;endend% Update Best Solution Ever Foundfor i=1:nPopif pop(i).Cost<=BestSol.CostBestSol=pop(i);endend% Store Best Cost Ever FoundBestCost(it)=BestSol.Cost;% Display Iteration Informationdisp(['Iteration ' num2str(it) ': Best Cost = ' num2str(BestCost(it))]);end%% Resultsfigure;
%plot(BestCost,'LineWidth',2);
semilogy(BestCost,'LineWidth',2);
xlabel('Iteration');
ylabel('Best Cost');
grid on;

5.参考文献：

书籍《MATLAB神经网络43个案例分析》

【SVM分类】基于布谷鸟算法优化实现SVM数据分类matlab源码相关推荐

【预测模型-ELM预测】基于布谷鸟算法优化极限学习机预测matlab代码
1 简介针对变压器故障的特征,结合变压器油中气体分析法以及三比值法.提出了基于布谷鸟算法改进极限学习机的故障诊断方法.由于输入层与隐含层的权值和阈值是随机产生.传统的极限学习机可能会使隐含层节点过多 ...
【PID优化】基于蝗虫算法PID控制器优化设计含Matlab源码
1 内容介绍该文针对广泛应用的PID控制器,在MATLAB仿真软件环境下,开发出一个过程控制系统的仿真软件包,能够实现模型辨识和PID参数调节,为过程控制系统仿真研究提供了方便. 该软件界面友好,操 ...
【SVM分类】基于鲸鱼算法优化支持向量机实现数据分类matlab代码
1 简介 Mirjalili和Lewis在2016年从座头鲸的猎食行为中得到启示,提出一种新的元启发式优化算法--鲸鱼优化算法.该算法仿照座头鲸的泡泡网觅食方法,通过收缩包围.螺旋位置更新以及随机捕食 ...
【优化求解-单目标求解】基于黑猩猩算法求解单目标问题matlab源码
一.黑猩猩算法 This article proposes a novel metaheuristic algorithm called Chimp Optimization Algorithm (C ...
【优化控制】基于遗传算法实现优化LQR控制器含Matlab源码
1 简介车辆悬架系统是影响汽车行驶平顺性和乘坐舒适性的重要结构部件.传统的被动悬架由于其弹性元件刚度和减震器阻尼是固定不变的,这导致其只能适应某一特定路面行驶,限制了适应多样性路况的需求以及车辆性能 ...
【预测模型】基于遗传算法优化GRNN实现数据分类matlab源码
1 模型遗传算法和广义回归神经网络结合起来,构建出GA-GRNN方法,利用遗传算法的全局寻优和广义回归神经网络结构简单的特点,自动搜索和匹配最优光滑因子参数,实现数据葡萄酒数据精准分类.通过与实际分 ...
基于布谷鸟算法优化的Elman神经网络数据预测-附代码
基于布谷鸟算法优化的Elman神经网络数据预测 - 附代码文章目录基于布谷鸟算法优化的Elman神经网络数据预测 - 附代码 1.Elman 神经网络结构 2.Elman 神经用络学习过程 3.电 ...
【BP预测】基于布谷鸟算法优化BP神经网络数据回归预测含Matlab源码
1 简介锂电池健康状态(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一;传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优,从而导致预测结果不精确;结合布谷鸟搜索算法(CS ...
基于灰狼算法优化支持向量机的数据分类算法及其MATLAB实现-附代码
基于灰狼算法优化支持向量机的数据分类算法及其MATLAB实现-附代码文章目录基于灰狼算法优化支持向量机的数据分类算法及其MATLAB实现-附代码 1 GWO-SVM 模型 1.1 灰狼优化器GWO ...

【SVM分类】基于布谷鸟算法优化实现SVM数据分类matlab源码

一、神经网络-支持向量机