一种RBF网络结构调整的稳健增量学习方法

摘要：

以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法.算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习.RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性.IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力.

关键词：模式识别、径向基函数网络、隐层节点调整、增量学习

所属期刊栏目：26

分类号：TP18(自动化基础理论)

资助基金：重点实验室基金资助课题9140C8001020603

在线出版日期：2009-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：192-194,227