一种基于聚类的RBF神经网络模型

• 作者: 余敏 周经野 彭相华 王智超
• 来源期刊: 湘潭大学自然科学学报
• 学科: 数学
• 关键词: 聚类分析 径向基函数 RBF子网 BC-RBFNN模型
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 机械与电子工程
• 页码范围: 99-103
• 页数: 5页
• 分类号: O221
• 字数: 2118字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5900.2007.04.020

摘要

应用于工程中的径向基函数(RBF)神经网络模型,当训练样本量很大时常存在训练学习速度慢和拟合精度不高的问题.针对这一情况提出了一种基于聚类的RBF神经网络(BC-RBFNN)模型.该模型首先通过对训练样本进行聚类分析,将其分为不同的类,接着根据每类的训练样本构造一个RBF子网并获取其相关参数,接着再将各个子网组织成一个BC-RBFNN模型.通过对其进行理论分析和性能检验试验,结果表明该模型能加快网络训练学习速度,缩小的模型规模,提高网络的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周经野	湘潭大学信息工程学院	70	530	12.0	20.0
2	王智超	湘潭大学土木工程与力学学院	29	194	8.0	13.0
3	余敏	中南林业科技大学流变力学与材料工程研究所	9	25	4.0	5.0
4	彭相华	湘潭大学信息工程学院	3	79	3.0	3.0