基于PSO-NN、SVM、KNN、DT的多特征数据分类预测，二分类及多分类（Matlab完整程序和数据）

# PSO-Classification-Algorithm PSO 神经网络分类 此代码获取用于分类的数据输入，其中包含数据和标签并将其存储到“netdata”中。 数据由 6 个 300 个样本组成，包含 40 个特征的类。 你可以提取你的特征和将其标记为监督模型。 这些特征提取自 SURF小物体图像的特征。 现在，System 是 PSO 和典型的浅层神经网络的结合。 神经网络本身构成了系统的初始结构或主体，但 PSO 有责任在训练中对神经元进行加权，这就是进化算法的真正力量。 最后将结果与SVM、KNN、TREE分类算法作为混淆矩阵和最终识别准确率进行比较。 “NH”（隐藏数）、“SwarmSize”和“MaxIteration”这三个重要参数会显着影响系统的性能。 因此，为了获得理想的结果，您应该根据您的数据使用这些参数。 这里唯一的缺点是标签是手动完成的，你可以很容易地自己修复它，但这是在训练的主要阶段之后。 可以扩展此代码以使用其他进化算法（例如 GA 或 DE）进行训练。