基于距离和密度聚类的RBF网络结构设计

来源期刊：控制工程2021年第1期

论文作者：郭鑫 李文静 乔俊飞

文章页码：114 - 119

关键词：RBF神经网络;距离和密度聚类;结构设计;

摘    要：为确定径向基函数RBF（radial basis function）神经网络隐含层结构,并针对基于距离或密度聚类的RBF神经网络的限制,提出一种基于距离和密度聚类（GDD）算法的RBF神经网络。GDD算法通过计算每个样本的密度,各样本间的距离及相似条件（密度标准、距离标准）,相似条件是根据样本分布而改变的,进行样本空间划分,实现无需先验知识及参数,就可以精确识别任意形状的聚类。采用GDD算法聚类,RBF神经网络能确定合适的隐含层节点个数及径向基函数中心。对典型非线性函数逼近及UCI机器学习库实例样本进行实验,结果表明基于GDD算法设计的RBF神经网络具有良好的逼近能力和分类效果,且网络结构更加紧凑。