延边大学学报(自然科学版)

2020, v.46;No.138(02) 145-149

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于势函数聚类的改进RBF网络算法研究
Research on improved RBF network algorithm based on potential function clustering

黄朝辉;闻辉;车艳;

摘要(Abstract):

为优化径向基函数(RBF)网络结构并改善网络泛化性能,提出了一种基于势函数聚类的改进RBF网络算法.首先使用势函数统计每个模式类别中的样本势值,以此实现样本空间中不同样本的势值度量;其次以增量学习的方式逐次完成对样本空间的有效覆盖,以此实现网络隐节点个数及参数的自动有效估计.最后将本文算法与KMRBF、FCRBF、MRAN以及GAP-RBF学习算法进行了实验对比,结果表明本文算法的网络分类精度更高,克服了KMRBF和FCRBF算法需人工调整网络隐节点来提高分类精度的问题,且比GAP-RBF和MRAN算法的网络结构更加简单.

关键词(KeyWords): 径向基函数;增量学习;势函数;神经网络

Abstract:

Keywords:

基金项目(Foundation): 福建省自然科学基金资助项目(2019J01815);; 福建省教育厅中青年教师教育科研项目(JT180486);; 莆田市科技局项目(2018RP4004,2018ZP10)

作者(Author): 黄朝辉;闻辉;车艳;

Email:

DOI: 10.16379/j.cnki.issn.1004-4353.2020.02.009

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享