基于改进聚类算法的RBF网络及其应用

• 作者: 李春富 葛铭 郑小青
• 来源期刊: 南京工业大学学报（自然科学版）
• 学科: 工学
• 关键词: k-means聚类 RBF网络 建模
• 年，卷（期）: 2011,（6）
• 页码范围: 72-76
• 分类号: TP183
• 字数: 3582字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7627.2011.06.015

摘要

RBF网络可以逼近任意连续非线性函数,且训练速度快,性能好,被广泛应用于过程建模和预测.RBF网络的一个重要因素是隐层节点的选择,隐层节点过多或过少都会影响最终网络的性能.提出一种改进的k-means聚类算法,可以自动确定最优的聚类区数,并且可使最终的聚类中心合理地分布在数据空间中.在应用RBF网络进行建模和预测时,采用该方法确定隐层节点的中心,跟用通常的聚类方法相比,可以大大减小网络规模.仿真和实际应用结果都证明该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛铭	杭州电子科技大学自动化学院	22	90	5.0	8.0
2	郑小青	杭州电子科技大学自动化学院	9	20	3.0	4.0
3	李春富	杭州电子科技大学自动化学院	8	18	3.0	3.0