蜂群SVMABC-SVM遗传算法SVMGA-SVM粒子群SVMPSO-SVM公共数据集，UCMerced图像数据集 词袋模型

使用matlab实现蜂群SVM，粒子群SVM，遗传算法SVM，数据包含有公共数据集，公共图像数据集，图像特征提取用了词袋，保证可用（公共图像数据集太大，删除了）

%% 清空环境，准备数据
% function fFitness=ABC_SVM_exmp（fObjV）
% close all
% clear
% clc
tic % 计时器
% format compact
fprintf（‘\nClassification using Pyramid BOW rbf_svm\n‘）;
% load the BOW representations the labels and the train and test set
load（pg_opts.trainset）;
load（pg_opts.testset）;
load（pg_opts.labels）;


%% sift
load（[pg_opts.globaldatapath‘/‘pyramid_opts.name]）
train_data_labels    = labels（trainset）;          % contains the labels of the trainset
train_data      = pyramid_all（:trainset）‘;          % contains the train data
[train_data_labelssindex]=sort（train_data_labels）;    % we sort the labels to ensure that the first label is ‘1‘ the second ‘2‘ etc
train_data=train_data（sindex:）;
test_data_labels     = labels（testset）;           % contains the labels of the testset
test_data       = pyramid_all（:testset）‘;           % contains the test data

fprintf（‘\nClassification using Pyramid BOW rbf_svm\n‘）;
% load the BOW representations the labels and the train and test set
load（pg_opts.trainset）;
load（pg_opts.testset）;
load（pg_opts.labels）;


%% sift
load（[pg_opts.globaldatapath‘/‘pyramid_opts.name]）
train_labels    = labels（trainset）;          % contains the labels of the trainset
train_data      = pyramid_all（:trainset）‘;          % contains the train data
[train_labelssindex]=sort（train_labels）;    % we sort the labels to ensure that the first label is ‘1‘ the second ‘2‘ etc
train_data=train_data（sindex:）;
test_labels     = labels（testset）;           % contains the labels of the testset
test_data       = pyramid_all（:testset）‘;           % contains the test data
          % contains the test data
[mtrainntrain] = size（train_data）;
[mtestntest] = size（test_data）;
dataset = [train_data;test_data];

[dataset_scaleps] = mapminmax（dataset‘01）;
dataset_scale = dataset_scale‘;

train_data = dataset_scale（1:mtrain:）;
test_adat = dataset_scale（ （mtrain+1）:（mtrain+mtest）: ）;
%% %%%%%%%%%%%%%用ABC算法优化SVM中的参数c和g开始%%%%%%%%%%%%%%%%%%%%
%% 参数初始化
NP=20; % 蜂群规模
FoodNumber=NP/2; % 蜜源（解）数量
limit=100; % 当有蜜源连续没被更新的次数超过limit时，该蜜源将被重新初始化
maxCycle=10; % 最大迭代次数
% 待优化参数信息
D=2; % 待优化参数个数，次数为c和g两个
ub=ones（1D）*100; % 参数取值上界，此处将c和g的上界设为100
lb=ones（1D）*（0.01）; % 参数取值下界，此处将c和g的下界设为0.01

runtime=2; % 可用于设置多次运行（让ABC算法运行runtime次）以考察程序的稳健性
  
BestGlobalMins=ones（1runtime）; % 全局最小值初始化 ，这里的优化目标为SVM预测结果中的平均平方误差（MSE），初始化为最差值1
BestGlobalParams=zeros（runtimeD）; % 用于存放ABC算法优化得到的最优参数

for r=1:runtime % 运行ABC算法runtime次 
    % 初始化蜜源
    Range = repmat（（ub-lb）[FoodNumber 1]）;
    Lower = repmat（lb [FoodNumber 1]）;
    Foods = rand（FoodNumberD） .* Range + Lower;

    % 计算每个蜜源（解）得目标函数值，objfun为计算SVM预测的平均平方误差（MSE）的函数，根据自己的实际问题变异目标函数即可
    ObjVal=ones（1FoodNumber）; 
    for k = 1:FoodNumber
        ObjVal（k） = objfun（Foods（k:）train_data_labelstrain_datatest_data_labelstest_data）;
    end
    Fitness=calculateFitness（ObjVal）; % 计算适应度函数值
    
    trial=zeros（1FoodNumber）; % 用于记录第i个蜜源有连

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-11-19 09:41  04ABC-SVM\
     文件          12  2018-10-26 11:50  04ABC-SVM\.gitignore
     文件       11181  2018-11-10 15:11  04ABC-SVM\ABC_SVM_exmp.m
     文件        7867  2016-09-04 17:10  04ABC-SVM\ABC_SVR_exmp.m
     文件        9141  2018-10-27 19:35  04ABC-SVM\ABC_p_SVM_exmp.m
     目录           0  2018-10-26 11:51  04ABC-SVM\AdaBoost\
     文件         376  2018-10-26 11:51  04ABC-SVM\AdaBoost\demo_adaboost.m
     文件       23408  2018-10-26 11:51  04ABC-SVM\AdaBoost\gentleboost_model.c
     文件       13824  2018-10-26 11:51  04ABC-SVM\AdaBoost\gentleboost_model.mexw32
     文件       16896  2018-10-26 11:51  04ABC-SVM\AdaBoost\gentleboost_model.mexw64
     文件        7915  2018-10-26 11:51  04ABC-SVM\AdaBoost\gentleboost_predict.c
     文件        9728  2018-10-26 11:51  04ABC-SVM\AdaBoost\gentleboost_predict.mexw32
     文件       11264  2018-10-26 11:51  04ABC-SVM\AdaBoost\gentleboost_predict.mexw64
     文件        5192  2018-10-26 11:51  04ABC-SVM\AdaBoost\iris.mat
     文件          49  2018-10-26 11:51  04ABC-SVM\AdaBoost\make.m
     目录           0  2018-10-26 11:50  04ABC-SVM\BOW\
     文件        3709  2018-11-11 16:29  04ABC-SVM\BOW\CalculateDictionary.m
     文件        3260  2018-11-11 16:32  04ABC-SVM\BOW\CompilePyramid.m
     文件        1303  2018-10-26 11:50  04ABC-SVM\BOW\EuclideanDistance.m
     文件        2690  2018-11-11 16:28  04ABC-SVM\BOW\GenerateSiftDescriptors.m
     文件         569  2018-10-26 11:50  04ABC-SVM\BOW\MakeDataDirectory.m
     文件        2384  2018-11-11 16:32  04ABC-SVM\BOW\do_assignment.m
     文件        1475  2018-10-26 11:50  04ABC-SVM\BOW\do_classification_adaboost_bow.m
     文件        1500  2018-10-26 11:50  04ABC-SVM\BOW\do_classification_adaboost_pyramid_bow.m
     文件        2201  2018-10-26 11:50  04ABC-SVM\BOW\do_classification_inter_svm.m
     文件        1746  2018-10-26 11:50  04ABC-SVM\BOW\do_classification_rbf_svm.m
     文件         875  2018-10-26 11:50  04ABC-SVM\BOW\do_normalize.m
     文件        2307  2018-10-26 11:50  04ABC-SVM\BOW\do_p_classification__inter_svm.m
     文件        1385  2018-10-26 11:50  04ABC-SVM\BOW\do_p_classification__rbf_svm.m
     文件        1199  2018-10-26 11:50  04ABC-SVM\BOW\draw_cm.m
     文件         436  2018-10-26 11:50  04ABC-SVM\BOW\find_grid.m
............此处省略182个文件信息