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.
中图分类号:
孙丹, 万里明, 孙延风, 梁艳春. 一种改进的RBF神经网络混合学习算法[J]. J4, 2010, 48(05): 817-822.
SUN Dan, MO Li-Meng, SUN Yan-Feng, LIANG Yan-Chun. An Improved Hybrid Learning Algorithm for RBF Neural Network[J]. J4, 2010, 48(05): 817-822.