基于云量子花朵授粉的极限学习机算法

为了避免花朵授粉算法在极限学习机识别过程中易陷入局部最优,提出了一种基于云量子花朵授粉的极限学习机算法。首先,将云模型和量子系统引入到花朵授粉算法中,增强花朵授粉算法的全局搜索能力,使粒子能在不同状态下进行寻优。然后,采用云量子花朵授粉算法优化极限学习机的参数,提高极限学习机的识别精度和效率。实验中采用6个标准测试函数对多个算法进行仿真对比,对比结果验证了所提云量子花朵授粉算法的性能优于另外3种群智能优化算法。最后,将改进的极限学习机算法应用到油气层识别中,结果表明其识别精度达到98.62%,相较于经典极限学习机,其训练时间缩短了1.6802 s,该算法具有较高的识别精度和效率,可以广泛应用到实际分类领域中。