RBF神经网络的遗传-最疏集均值聚类构造算法

摘要

传统的径向基函数神经网络构造算法大多是根据先验知识和以往的经验事先确定网络的隐层结构,采用传统聚类和最小二乘法训练网络的各项参数,这种算法一般是基于局部搜索机制,使得训练的参数往往陷入局部极小值.提出了用遗传算法结合一种新的聚类方法即最疏集(MSS,mostscatteredset)均值聚类算法和传统的最小二乘法来训练RBF网络结构参数的方法.该方法不仅避免了网络训练陷入局部极小的问题,而且新的聚类方法的计算效率有所提高.通过把该算法应用在交通流预测方面,取得了令人满意的效果.