基于改进的模糊聚类的RBF网络的设计  

Design of RBF Based on Improved Fuzzy c-means Clustering

作　　者：徐晓晖[1] 唐凤涛[1] 

机构地区：[1]上饶师范学院,江西上饶334001

出　　处：《上饶师范学院学报》2006年第6期89-92,共4页Journal of Shangrao Normal University

摘　　要：通过减法聚类与模糊c-均值聚类相结合的方法确定RBF网络隐层数据中心,用最小二乘法训练RBF网络的输出权向量,最后通过函数逼近的仿真实验来说明文中的聚类方法较以前的其它聚类方法效果更好更稳定。Combine Subtrative clustering and Fuzze c- means clustering together to obtain data centers of hidden layer in RBF network ,train the weight vector of output layer by LMS, finally,the imitate, experiment of function approximation explains clustering method in the text is better and more stabler than other duster methods.

关 键 词：径向基函数神经网络 模糊C-均值聚类 数据中心 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]