文献类型：期刊文章

作　　者：吴亚榕[1] 王欢[2] 李键红[3]

WU Ya-rong;WANG Huan;LI Jian-hong(Zhongkai Technology Incubator,Zhongkai University of Agriculture and Engineering;Network and Modern Education Technology Center,Zhongkai University of Agriculture and Engineering,Guangzhou 510225,China;Laboratory of Language Engineering and Computing,Guangdong University of Foreign Studies,Guangzhou 510006,China)

机构地区：[1]仲恺农业工程学院仲恺科技孵化园 [2]仲恺农业工程学院网络与现代教育技术中心,广东广州510225 [3]广东外语外贸大学语言工程与计算实验室,广东广州510006

出　　处：《软件导刊》

基　　金：广东省科技计划项目(2016A020210131);广东省自然科学基金项目(2017A030310618);广东省哲学社会科学“十三五”规划项目(GD17XGL47)

年　　份：2019

卷　　号：18

期　　号：6

起止页码：10-13

语　　种：中文

收录情况：普通刊

摘　　要：针对极限学习机参数优化问题,提出量子遗传算法优化极限学习机的方法(QGA-ELM)。在该方法中,对ELM的输入权值和隐含层阈值采用量子比特编码,并将其映射为QGA的染色体,QGA的适应度函数为对应ELM的分类精度;通过QGA的量子旋转门优化出输入权值与隐含层阈值,以此训练出分类精度更高的ELM,从而改善ELM的泛化性能。通过ELM和QGA-ELM对数据集的仿真结果对比表明,QGA-ELM有效地提升了ELM网络的分类精度。

关 键 词：极限学习机 量子遗传算法 量子旋转门 分类精度  

分 类 号：TP301]