一种改进的RBF神经网络混合学习算法

被引:19
作者
孙丹 [1 ]
万里明 [2 ]
孙延风 [1 ]
梁艳春 [1 ]
机构
[1] 吉林大学计算机科学与技术学院
[2] 中国人民解放军空军装备研究院装备总体论证研究所
关键词
聚类; 粒子群优化算法; 径向基函数(RBF)神经网络;
D O I
10.13413/j.cnki.jdxblxb.2010.05.031
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。
引用
收藏
页码:817 / 822
页数:6
相关论文
共 10 条
[1]   RBF神经网络的混合微粒群学习算法 [J].
贺文阳 ;
王俊年 .
计算机与现代化, 2009, (04) :35-38
[2]   基于PSO的RBF神经网络学习算法及其应用 [J].
张顶学 ;
关治洪 ;
刘新芝 .
计算机工程与应用, 2006, (20) :13-15
[3]   基于遗传算法的RBF神经网络的优化设计方法 [J].
李红利 ;
张晓彤 ;
兰立柱 ;
孙兆林 .
计算机仿真, 2003, (11) :67-69
[4]   一种改进的K-means算法 [J].
张玉芳 ;
毛嘉莉 ;
熊忠阳 .
计算机应用, 2003, (08) :31-33+60
[5]   一种改进的RBF神经网络学习算法 [J].
王洪斌 ;
杨香兰 ;
王洪瑞 .
系统工程与电子技术, 2002, (06) :103-105
[6]   改进的神经网络最近邻聚类学习算法及其应用 [J].
孙延风 ;
梁艳春 ;
孟庆福 .
吉林大学学报(信息科学版), 2002, (01) :63-66
[7]   RBF网络基函数中心选取算法的研究 [J].
朱明星 ;
张德龙 .
安徽大学学报(自然科学版), 2000, (01) :72-78
[8]  
Time series prediction using RBF neural networks with a nonlinear time-varying evolution PSO algorithm[J] . Cheng-Ming Lee,Chia-Nan Ko.Neurocomputing . 2009 (1)
[9]   REGULARIZATION IN THE SELECTION OF RADIAL BASIS FUNCTION CENTERS [J].
ORR, MJL .
NEURAL COMPUTATION, 1995, 7 (03) :606-623
[10]  
Particle swarm optimization. Kennedy J, Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995