基于k均值和量子遗传算法的RBF网络优化

被引：10

作者：

赵磊 ^{[1
]}

贾振红 ^{[1
]}

覃锡忠 ^{[1
]}

杨杰 ^{[2
]}

庞韶宁 ^{[3
]}

机构：

[1] 新疆大学信息科学与工程学院

[2] 上海交通大学图像处理与模式识别研究所

[3] 新西兰奥克兰理工大学知识工程与开发研究所

来源：

计算机工程 | 2011年 / 37卷 / 10期

关键词：

早熟; k均值; 量子遗传算法; 适应度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法。通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度。相对于PSO-RBF和ACO-RBF,该方法提高网络的收敛速度,实现对RBF网络的优化。

引用

页码：152 / 153

页数：2