一种基于改进k-means的RBF神经网络学习方法

• 作者: 庞振 徐蔚鸿
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 减聚类算法 k-means算法 径向基函数(RBF)神经网络 梯度下降法
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 161-163,184
• 分类号: TP183
• 字数: 3479字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.11.035

摘要

针对传统RBF神经网络学习算法构造的网络分类精度不高,传统的k-means算法对初始聚类中心的敏感,聚类结果随不同的初始输入而波动.为了解决以上问题,提出一种基于改进k-means的RBF神经网络学习算法.先用减聚类算法优化k-means算法,消除聚类的敏感性,再用优化后的k-means算法构造RBF神经网络.仿真结果表明了该学习算法的实用性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐蔚鸿	长沙理工大学计算机与通信工程学院	85	647	14.0	21.0
2	庞振	长沙理工大学计算机与通信工程学院	1	46	1.0	1.0