遗传算法用于模式分类的特征选择

以minstall数据库为例，介绍了详细应用例程。

% 遗传算法 特征选择 分类测试
clear all
% 加载数据
tic
load mnistAll
train_images = mnist.train_images;
train_labels = mnist.train_labels;
test_images = mnist.test_images;
test_labels = mnist.test_labels;

MN = 28*28;

N = 1000;
TN = 1000;

Train_labels = train_labels（1:N）;
Train_images = train_images（::1:N）;
Train_images = double（reshape（Train_imagesMNN））;

Test_images = double（reshape（test_images（::1:TN）MNTN））;
Test_labels = test_labels（1:TN）;

class_label = [0:9];

[mn] = size（Train_images）;

Len = length（Train_labels）;  %样本数目
% ga初始化
Iter = 200; %仿真代数
popnum = 80; % 群体规模
pm = 0.8;%变异概率
pc = 0.3; %交叉概率

pop = randi（[0 1]mpopnum）;%初始化粒子群，每列为一染色体

bestc = 0;
for ii = 1:Iter
    %1 计算适应度  采用离散度准则J4 = tr（Sb）/tr（Sw）
    pop1 = pop;
    for i=1:popnum
        temp_ind = find（pop（:i）~=0）;
        train_temp = Train_images（temp_ind:）;
        fiti（i） = zsl_J（train_tempTrain_labelsclass_label）;
    end
    
    bestnow_ind = find（fiti==max（fiti））;
    bestnow（ii） = fiti（bestnow_ind（1））;
    if bestnow（ii） > bestc
        bestc = bestnow（ii）;
        bestpop = pop（:bestnow_ind（1））;
    end
    Bestev（ii） = bestc;
    
    
    %选择复制
    totalfiti = sum（fiti）;
    fitvalue = fiti/totalfiti;
    fitvalue1 = cumsum（fitvalue）;
    [pxpy] = size（pop）;
    
    ms = sort（rand（py1））;
%     for i=1:popnum
%         fitin = fi nd（fitvalue1>=ms（i））;
%         newpop（:i） = pop（:fitin（1））;
%     end
    
    for i=1:popnum
        tmp = find（rand<=fitvalue1）;
        newpop（:i） = pop（:tmp（1））;
    end
    
    pop = newpop;
    
    %交叉
    [pxpy] = size（pop）;
    newpop = ones（size（pop））;
    for i=1:2:py-1
        rand_temp = rand;
        if （rand_temp            cpoint = round（rand*px）;
            if cpoint==0
                cpoint = 1;
            elseif cpoint == px
                cpoint = px-1;
            end
            newpop（:i） = [pop（1:cpointi）;pop（cpoint+1:pxi+1）];
            newpop（:i+1） = [pop（1:cpointi+1）;pop（cpoint+1:pxi）];
        else
            newpop（:i） = pop（:i）;
            newpop（:i+1） = pop（:i+1）;
        end
    end
    newpop（:N） = bestpop;
    pop = newpop;
    
    %单点变异
    [pxpy] = size（pop）;
    newpop = ones（size（pop））;
    for i=1:py
        if（rand            mpoint = round（rand*px）;
            if mpoint <=0
                mpoint = 1;
            end
            newpop（:i） = pop（:i）;
            if any（newpop（mpointi））==0
                newpop（mpointi）=1;
            else
                newpop（mpointi）=0;
            end
        else
            newpop（:i） = pop（:i）;
        end
    end
    newpop（:N） = bestpop;
    pop = newpop;
   [ii]
    
end

%%

% 利用近邻法识别 SVM
% bestfeature_ind = find（pop（:10）~=0）;
bestfeature_ind = find（bestpop==1）;
train_images_select = Train_images（bestfeature_ind:）;
test_images_select = Test_images（bestfeature_ind:）;

acc1 = zsl_n

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3623  2012-05-04 21:54  ga1.m

----------- ---------  ---------- -----  ----

                 3623                    1