基于三阶段RBFNN学习算法的复杂样本分类研究

• 作者: 李敏强 田津 陈富赞
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 径向基函数神经网络 分类 衰减半径聚类 误差平方和
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 软件、算法与仿真
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP183
• 字数: 5232字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-506X.2006.01.030

摘要

以提高径向基函数神经网络(radial basis function neural network,RBFNN)的分类能力为出发点,把衰减半径聚类的思想与误差平方和准则结合起来,提出了RBFNN三阶段学习算法.该算法先利用动态衰减半径聚类确定隐节点的初始结构,再由误差平方和准则进行中心点微调,并用类内类间距确定径基宽度,最后采用伪逆法训练隐层与输出层间的连接权重.给出了算法的具体步骤,并通过Iris和WINES数据集的仿真实验,证明该算法确实具有较强的分类能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李敏强	天津大学管理学院	194	5707	40.0	69.0
2	陈富赞	天津大学管理学院	24	364	10.0	18.0
3	田津	天津大学管理学院	3	19	2.0	3.0