改进的神经网络最近邻聚类学习算法及其应用

被引：27

作者：

孙延风

梁艳春

孟庆福

机构：

[1] 吉林大学数学研究所

[2] 吉林大学计算机科学与技术学院，国家教育部符号计算与知识工程重点实验室

[3] 吉林大学商学院吉林长春

[4] 吉林长春

来源：

关键词：

神经网络; 预测; 径向基函数; 最近邻聚类算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种改进的 RBF (Radial Basis Functions,径向基函数 )神经网络最近邻聚类学习算法 ,并将其应用于股市预测问题。模拟结果表明 ,改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法 ,可以较大幅度提高 RBF神经网络的预测性能。

引用

页码：63 / 66

页数：4

共 5 条

[1] 自适应径向基函数神经网络 [J].

王上飞 ;

汤汇道 .

[2] 基于RBF神经网络的股市建模与预测 [J].

郑丕谔 ;

马艳华 .

[3] RBF网络基函数中心选取算法的研究 [J].

朱明星 ;

张德龙 .

[4] 基于径向基函数网络的混沌时间序列分析 [J].

曾昭才 ;

段虞荣 ;

段绍光 .

[5]

径向基神经网络在股市预测中的应用[J]. 王上飞,周佩玲,吴耿峰,付忠谦,储阅春,沈谦.预测. 1998(06)