基于改进粒子群优化和减聚类算法的RBF神经网络训练新方法
首先,提出了一种改进的粒子群优化(IPSO)算法.在IPSO中,粒子不仅根据自身和同伴中最好的个体调整自己的飞行速度,而且也按照一定的概率向其他个体学习.这种强化后的学习行为更符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解.其次,给出了应用IPSO训练RBF神经网络的方法.在此训练算法中,RBF网络的基函数的个数为减聚类算法得到的聚类个数;聚类中心和宽度被作为一个粒子的初始位置向量,对粒子的搜索有较好的指导作用.最后,对IRIS分类问题的仿真结果表明,所提出的方法是可行的,所训练出的RBF网络具有较好的泛化能力。
RBF神经网络 粒子群优化算法 减聚类算法 IRIS分类
王翠茹 黄志强 袁和金 张江维
华北电力大学计算机科学与技术学院,保定,071003
国内会议
北京
中文
293-298
2005-09-23（万方平台首次上网日期，不代表论文的发表时间）