改进的神经网络最近邻聚类学习算法及其应用  

Improved nearest neighbor-clustering algorithm for RBF neural network and its applications

作　　者：孙延风[1] 梁艳春[2] 孟庆福[3] 

机构地区：[1]吉林大学数学研究所,吉林长春130012 [2]吉林大学计算机科学与技术学院,国家教育部符号计算与知识工程重点实验室,吉林长春130012 [3]吉林大学商学院,吉林长春130012

出　　处：《吉林大学学报（信息科学版）》2002年第1期63-66,共4页Journal of Jilin University（Information Science Edition）

基　　金：国家自然科学基金资助项目 (19872 0 2 7)

摘　　要：提出了一种改进的 RBF (Radial Basis Functions,径向基函数 )神经网络最近邻聚类学习算法 ,并将其应用于股市预测问题。模拟结果表明 ,改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法 ,可以较大幅度提高 RBF神经网络的预测性能。An improved nearest neighbor clustering algorithm for RBF(Radial basis function) neural network is presented and applied to the prediction of stock market. Simulated results show that the fitting effect and the fitting error are superior obviously to that of the conventional nearest neighbor clustering algorithm and the performance of the prediction for the RBF neural network can be increased to a great extent.

关 键 词：神经网络 预测 径向基函数 最近邻聚类算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]