文献类型：期刊文章

作　　者：孙丹[1] 万里明[2] 孙延风[1] 梁艳春[1]

机构地区：[1]吉林大学计算机科学与技术学院,长春130012 [2]中国人民解放军空军装备研究院装备总体论证研究所,北京100076

出　　处：《吉林大学学报（理学版）》

基　　金：国家自然科学基金(批准号:10872077);国家高技术研究发展计划863项目基金(批准号:2009AA02Z307);吉林省科技发展计划项目(批准号:20080708)

年　　份：2010

卷　　号：48

期　　号：5

起止页码：817-822

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、INSPEC、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

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。

关 键 词：聚类 粒子群优化算法 径向基函数(RBF)神经网络

分 类 号：TP183]