一种改进的 RBF 神经网络学习算法

• 作者: 尉广军 马骏
• 来源期刊: 计算机系统应用
• 关键词: 径向基函数神经网络 减聚类 K-means 算法 粒子群优化算法
• 年，卷（期）: 2013,（2）
• 页码范围: 84-87
• 字数: 3820字
• 语种: 中文

摘要

提出一种基于减聚类、K-means 算法及改进的粒子群优化(PSO)算法的径向基函数(RBF)神经网络混合学习算法.该算法首先使用减聚类确定隐层节点数和 K-means 初始聚类中心;然后通过 K-means 算法求取 RBF 网络所有参数,作为 PSO 的初始粒子群;为了提高 PSO 算法的收敛性和稳定性,对基本 PSO 算法进行了优化改进,最后使用改进的 PSO 算法训练 RBF 神经网络中的所有参数.对 IRIS 数据集分类识别的仿真结果表明,改进的混合算法具有更高的分类准确率和更好的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尉广军	军械工程学院导弹工程系	49	211	8.0	12.0
2	马骏	军械工程学院导弹工程系	7	28	3.0	5.0