改进ACC算法优化的RBF神经网络研究及其应用

• 作者: 彭皎龙 杨阳 陈铁军
• 来源期刊: 计算机测量与控制
• 关键词: 径向基神经网络 改进蚁群聚类算法 混合聚类 群体智能
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1323-1326
• 页数: 4页
• 分类号: TP18
• 语种: 中文

摘要

通过对径向基函数(RBF)神经网络K-means训练算法聚类结果对初始中心点选择的依赖性以及容易陷入局部最优解等问题的分析,结合蚁群聚类(ACC)算法对蚂蚁睡眠行为进行模拟,并借鉴AM模型的聚类思想,根据样本分布,利用适应度函效和激活概率自主地确定隐节点数目和基函数中心,进而提出一种改进蚁群聚类算法优化K-means的混合聚类算法,该算法解决了RBF网络结构和参数辨识的问题；通过人工数据集进行测试,并通过应用实例进行验证,结果表明,基于混合聚类算法的RBF神经网络具有显著的优越性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨阳	郑州大学电气工程学院	83	372	11.0	16.0
2	陈铁军	郑州大学电气工程学院	115	1338	17.0	32.0
3	彭皎龙	郑州大学电气工程学院	3	9	1.0	3.0