基于改进聚类算法的RBF网络及其应用

摘要

RBF网络可以逼近任意连续非线性函数，且训练速度快，性能好，被广泛应用于过程建模和预测。网络的一个重要因素是隐层节点的选择，隐层节点过多或过少都会影响最终网络的性能。本文提出了一种改k-means聚类算法，可以自动确定最优的聚类区数，并且可使最终的聚类中心合理地分布在数据空间中。在RBF网络进行建模和预测时，采用该方法确定隐层节点的中心，跟用通常的聚类方法相比，可以大大减小网模。仿真和实际应用结果都证明该方法的有效性。