一种基于改进k-means的RBF神经网络学习方法
일충기우개진k-means적RBF신경망락학습방법
Learning algorithm for RBF neural networks based on improved k-means algorithm
  • 万方数据
    计算机工程与应用 계산궤공정여응용
    COMPUTER ENGINEERING AND APPLICATIONS
    2012年 11期 161-163,184 ,共4页

    庞振%徐蔚鸿

    방진%서위홍

    减聚类算法%k-means算法%径向基函数(RBF)神经网络%梯度下降法 減聚類算法%k-means算法%徑嚮基函數(RBF)神經網絡%梯度下降法
    감취류산법%k-means산법%경향기함수(RBF)신경망락%제도하강법
    针对传统RBF神经网络学习算法构造的网络分类精度不高,传统的k-means算法对初始聚类中心的敏感,聚类结果随不同的初始输入而波动.为了解决以上问题,提出一种基于改进k-means的RBF神经网络学习算法.先用减聚类算法优化k-means算法,消除聚类的敏感性,再用优化后的k-means算法构造RBF神经网络.仿真结果表明了该学习算法的实用性和有效性.
    침대전통RBF신경망락학습산법구조적망락분류정도불고,전통적k-means산법대초시취류중심적민감,취류결과수불동적초시수입이파동.위료해결이상문제,제출일충기우개진k-means적RBF신경망락학습산법.선용감취류산법우화k-means산법,소제취류적민감성,재용우화후적k-means산법구조RBF신경망락.방진결과표명료해학습산법적실용성화유효성.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문