【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
布谷鸟算法是布谷鸟育雏行为和萊维飞行结合的一种算法 。
在CS算法中，有两个路径(或者说成是两个位置的更新)备受关注：
CS算法的执行过程如下：
三、代码
clear all ;
close all ;
clc ;
N = 25; % Number of nests(The scale of solution)
D = 10 ; % Dimensionality of solution
T = 200 ; % Number of iterations
Xmax = 20 ;
Xmin = -20 ;
Pa = 0.25 ; % Probability of building a new nest(After host bird find exotic bird eggs)
nestPop = rand(N,D)*(Xmax-Xmin)+Xmin ; % Random initial solutions
for t=1:T
levy_nestPop = func_levy(nestPop,Xmax,Xmin) ; % Generate new solutions by Levy flights
nestPop = func_bestNestPop(nestPop,levy_nestPop); % Choose a best nest among new and old nests
rand_nestPop = func_newBuildNest(nestPop,Pa,Xmax,Xmin); % Abandon(Pa) worse nests and build new nests by (Preference random walk )
nestPop = func_bestNestPop(nestPop,rand_nestPop) ; % Choose a best nest among new and old nests
[~,index] = max(func_fitness(nestPop)) ; % Best nests
trace(t) = func_objValue(nestPop(index,:)) ;
end
figure
plot(trace);
xlabel(\'迭代次数\') ;
ylabel(\'适应度值\') ;
title(\'适应度进化曲线\') ;
5.参考文献：
书籍《MATLAB神经网络43个案例分析》
完整代码下载或者仿真咨询https://www.cnblogs.com/ttmatlab/p/14882966.html
版权声明：本文为matlabxiao原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。