改进的神经网络最近邻聚类学习算法及其应用

• 作者: 孙延风 孟庆福 梁艳春
• 来源期刊: 吉林大学学报(信息科学版)
• 学科: 工学
• 关键词: 神经网络 预测 径向基函数 最近邻聚类算法
• 年，卷（期）: 2002,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 63-66
• 页数: 4页
• 分类号: TP183
• 字数: 2251字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2002.01.013

摘要

提出了一种改进的RBF(Radial Basis Functions,径向基函数)神经网络最近邻聚类学习算法 ,并将其应用于股市预测问题.模拟结果表明,改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法, 可以较大幅度提高RBF神经网络的预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟庆福	吉林大学商学院	12	148	5.0	12.0
2	梁艳春		11	374	8.0	11.0
3	孙延风	吉林大学数学研究所	17	241	8.0	15.0