基于一种新型聚类算法的RBF神经网络混沌时间序列预测

• 作者: 张军峰 胡寿松
• 来源期刊: 物理学报
• 学科: 物理学
• 关键词: 混沌时间序列 预测 径向基神经网络 聚类
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 总论
• 页码范围: 713-719
• 页数: 7页
• 分类号: O4
• 字数: 5085字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-3290.2007.02.019

摘要

运用两阶段学习方法构建径向基函数(RBF)神经网络模型预测混沌时间序列.在利用非监督学习算法确定网络隐层中心时,提出了一种基于高斯基的距离度量,并联合输入输出聚类的策略.基于Fisher可分离率设计高斯基距离度量中的惩罚因子,可以提高聚类的性能.而输入输出聚类策略的引入,建立了聚类性能与网络预测性能之间的联系.因此,根据本文方法构建的网络模型,一方面可以加快网络训练的速度,另一方面可以提高预测性能.将该方法对Mackey-Glass,Lorenz和Logistic混沌时间序列进行了预测仿真研究,仿真结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡寿松	南京航空航天大学自动化学院	185	3001	28.0	46.0
2	张军峰	南京航空航天大学自动化学院	52	390	9.0	18.0