基于势函数聚类的改进RBF网络算法研究

作者：黄朝辉; 闻辉^*; 车艳

来源：延边大学学报(自然科学版), 2020, 46(02): 145-149.

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

• 径向基函数
• 增量学习
• 势函数
• 神经网络

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.

• 单位
  莆田学院