基于无监督学习算法训练径向基概率神经网络

摘要

本文研究了径向基概率神经网络（Radial Basis Probabilstic Neural Networks,RBPNN）的一种新的无监督学习算法,该算法整合了径向基概率神经网络的结构原理与动态聚类算法的特点,使得在对训练样本的聚类分析并正确划分其类别属性的同时,自动完成径向基概率神经网络的训练过程.本算法在对IRIS和双螺旋分类问题的应用中,取得了较好的分类效果,而且在推广能力方面,由本文算法训练的RBPNN要明显好于有监督训练的径向基函数神经网络（RBFNN）.