Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测 Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测（Matlab完整程序和数据） 1.最大互信息系数MIC(数据特征选择算法)的分类预测，MIC特征选择分类预测，多输入单输出模型。 2.多特征输入模型，直接替换数据就可以用。 3.语言为matlab。分类效果图，混淆矩阵图。 4.分类效果图，混淆矩阵图。 5.MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测。 运行环境matlab2018及以上。 经过特征选择后，保留9个特征的序号为： 1 3 5 7 8 9 10 11 12

算法设计策略的比较与选择

摘要：针对车辆在异构网络覆盖环境下的网络接入选择问题，基于双边匹配博弈中稳定匹配的相关概念，提出一种车辆异构网络选择博弈模型，通过用户侧与网络侧的双向选择得到异构网络选择的稳定匹配。算法首先利用层次分析法获得相应权重分配以给出满意度函数，然后将网络侧的一对多匹配转化为一对一匹配问题，在稳定匹配条件下构建多目标优化模型，并求解最优匹配结果。相关性能分析及仿真实验表明，基于稳定匹配的博弈模型相对于传统决策模型，能够使网络和用户侧双方的满意度最优化，从而得到双向网络选择的均衡状态。

针对神经性疾病难以确诊的问题，提出了一种基于图的特征选择方法，过滤掉不相干的特征，从而方便并且准确地对疾病患者进行诊断。算法首先基于先验知识定义了两种基本关系（特征关系和样本关系）；然后将这两种关系嵌入到一个由最小二次损失函数和l2 -范数正则化因子组成的多任务学习框架中进行特征选择；最后，将约简得到的降维矩阵送入支持向量机（SVM）中对阿兹海默症患者进行确诊。通过对Alzheimer’s disease neuroimaging initiative（ANDI）的研究数据集进行实验得知，提出算法的分类效果均优于一般常用分类算法，如K最近邻法（KNN）、支持向量机（SVM）等。提出的算法通过考虑特征选择和引入两种数据的内在关系，有效提高了阿兹海默疾病诊断的正确率。

摘要LEACH作为一种经典的聚类算法，被广泛应用于无线传感器网络中。 由于随机选择簇头，LEACH不能保证优化簇头的数量和位置。 为了进一步优化...

此工具箱提供二进制原子搜索优化 (BASO) < Main> 举例说明了 BASO 如何使用基准数据集解决特征选择问题。 ****************************************************** ****************************************************** **********************************

目前满足系统保护通信网络的路由算法是在综合时延和可靠性的要求下，计算一条快速且可靠传输的路径，而没有考虑到当电网发生故障或网络中通信量过大时，通信网络中许多节点的排队时延会极大地增加，忽略排队时延对路径传输总时延的影响会导致路径的错误选择，从而影响系统保护的实时性。针对此问题，提出了一种考虑排队时延的路由选择算法，用于计算信息传输总时延最小的最优路径，以提高系统保护通信的实时性。实验结果表明，通过本文提出的路由选择算法计算得到的路径在满足系统保护可靠性要求的基础上信息传输总时延最小。

特征选择+分类

GIS导航系统的最短路径选择算法的研究 很好的毕业设计资料哦

本程序实现了路由选择算法