一种改进的RBF神经网络混合学习算法

• 作者: 万里明 孙丹 孙延风 梁艳春
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 聚类 粒子群优化算法 径向基函数(RBF)神经网络
• 年，卷（期）: 2010,（5）
• 页码范围: 817-822
• 分类号: TP183
• 字数: 4433字
• 语种: 中文

摘要

提出一种基于粒子群优化算法、 K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法. 该算法使用减聚类方法确定隐层节点数, 具有自适应确定隐层节点的能力, 避免了调整隐层节点的人为干预. 通过K-means算法形成粒子群优化(PSO)算法初始粒子群, 避免了初始粒子群的随机性, 提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数. 数值结果表明, 改进的混合算法具有更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁艳春	吉林大学计算机科学与技术学院	73	723	15.0	25.0
2	孙丹	吉林大学计算机科学与技术学院	16	61	3.0	7.0
3	孙延风	吉林大学计算机科学与技术学院	17	241	8.0	15.0
4	万里明	中国人民解放军空军装备研究院装备总体论证研究所	2	29	2.0	2.0