適用于數據分類的極限學習機優化算法
摘要：針對極限學習機參數優化問題,提出量子遺傳算法優化極限學習機的方法(QGA-ELM)。在該方法中,對ELM的輸入權值和隱含層閾值采用量子比特編碼,并將其映射為QGA的染色體,QGA的適應度函數為對應ELM的分類精度;通過QGA的量子旋轉門優化出輸入權值與隱含層閾值,以此訓練出分類精度更高的ELM,從而改善ELM的泛化性能。通過ELM和QGA-ELM對數據集的仿真結果對比表明,QGA-ELM有效地提升了ELM網絡的分類精度。
注: 保護知識產權,如需閱讀全文請聯系軟件導刊雜志社
相關推薦
更多
