基于RBF神经网络的交通流量预测算法

被引：21

作者：

朱文兴

龙艳萍

贾磊

机构：

[1] 山东大学控制科学与工程学院

来源：

山东大学学报(工学版) | 2007年 / 04期

关键词：

RBF神经网络; 遗传算法; 最疏集均值聚类;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; U491.1 [交通调查与规划];

学科分类号：

摘要：

传统的径向基函数神经网络构造算法大多是根据先验知识和以往的经验事先确定网络的隐层结构,采用传统聚类和最小二乘法训练网络的各项参数,这种算法一般是基于局部搜索机制,使得训练的参数往往陷入局部极小值.提出用遗传算法结合一种新的聚类方法即最疏集(MSS-most scattered set)均值聚类算法和传统的最小二乘法来训练RBF(radial basis function)网络结构参数的方法.该方法不仅避免了网络训练陷入局部极小的问题,而且新的聚类方法的计算效率有所提高.通过把该算法应用在交通流预测方面,取得了令人满意的效果.

引用

页码：23 / 27

页数：5

共 9 条

[1]

Orthogonal leastsquares learning algorithm for radial basis function networks. CHEN S,COWAN C F N,GRANT P M. IEEE Transactions on Neural Networks . 1991

[2]

A gaussian potential function network with hierarchically selforganizing learning. Lee S C,Kil R M. Neural Networks . 1991

[3]

On the training of radial basis function classifiers. Musavi M T,Ahmed W,Chan K H,et al. Neural Networks . 1992

[4] 一种新颖的径向基函数(RBF)网络学习算法 [J].