科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提升标准量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)的收敛精度,提出了基于粒子势阱长度变化率的粒子平均最优位置权重计算方法,通过平均最优位置的调节,来提升粒子的寻优能力,并将改进后的QPSO算法应用于深度置信网络(Depth Belief Network,DBN)模型的学习率参数寻优中,以便找到最优的DBN模型参数,来提升DBN模型的识别准确率。将通过改进后QPSO算法进行参数寻优的DBN网络(LQDBN)应用于蛋黄形状检测中,与现有典型的DBN网络模型对比表明,LQDBN模型在蛋黄形状检测实验中的识别准确率比CC-PSO-DBN、PSOMDBN和标准DBN模型都要高,且检测识别准确率的稳定性也是四种对比模型中最高的,表明基于改进的QPSO算法的DBN网络模型取得了较好的优化效果。
- 出版日期2021
- 单位北京大学深圳研究生院; 贵州师范学院
