一种优化RBF神经网络训练算法及其在目标识别中的应用

摘要

OLS训练方法应用在径向基(RBF)神经网络里时,存在当训练数据量很大时速度很慢的问题,并且OLS方法不能自动确定基函数的平滑参数.本文针对此问题提出了一种基于快速模糊C-均值算法(AFCM)与OLS算法相结合的AFOLS训练算法,该算法使用AFCM 方法对数据进行聚类,并获取基函数的平滑参数,然后使用OLS方法从聚类结果中选取网络中心.利用实测的4类飞机目标数据对其进行性能检验,试验结果验证了该训练算法可提高网络的训练速度,缩小网络规模,提高网络的分类能力.