采用中心聚类与PSO的RBF网络设计方法.pdfVIP

212 2009，45(36) Computer ，neeringandApplw~ions计算机工程与应用 采用中心聚类与PSO的RBF网络设计方法 刘 俊，商秀芹，卢建刚，陈金水，孙优贤 LIU Jun，SHANG Xiu—qin，LU Jian-gang，CHEN Jin—shui，SUN You—xian 浙江大学 工业控制技术国家重点实验室 ，杭州 310027 StateKeyLaboratoryofIndustrialControlTechnology，ZhejiangUniversity，Hangzhou310027，China E—mail：jglu@iipc．zju．edn．cn LIU Jtm ，SHANG Xiu—qin，LU Jian—gang，eta1．RBF design method based on center clustering and PSO．Computer EngineeringandApplications，2009，45(36)：212-215． Abstract：An algorithm fordesigning RadialBasisFunction Neural Network based on center clustering and modified particle swarm optimization algorithm is introduced．Center clustering algorithm is proposed to process the inputsample，and adaptively specifythehiddenlayerparametersofRBFneuralnetwork；classicPSOalgorithm(ParticleSwarmOptimization)withmodifiedcal— culation method aboutgloballyoptimalsolution isused totrain the parameters，and makesthem tend to globaloptima；theoutput layerweightsare updated on linebyrecursive leastsquare algorithm with forgettingfactor．Atlast，thehybrid algorithm isapplied todesign theprediction modelaboutrelationship between the sintercomposition and drum strength．Then experimentvalidatesthe modelwith new data which arecollected from sinterworkshop．Experimentalresults show thatthe hybrid algorithm hashigh con— vergence speed，andmodelbuiltbythathasgreatprediction precision． Keywords：centerclustering；ParticleSwamr Optimization(PSO)；RadialBasisFunction(RBF)；recursiveleastsquare；durm strength 摘 要：基于中心聚类法与微粒群(PSO)优化方法，提出一种径向基函数 (RBF)网络的设计算法。算法采用中心聚类方法对输入样 本数据进行聚类处理，自适应地确定RBF网络隐含层的初始参数；利用修正全局最优解计算方法的经典PSO算法优化RBF网络 隐含层参数，进一步修正网络结构参数；输出层权值采用带遗忘因子的递推最小二乘算法在线更新。采用该方法建立炼铁过程中 烧结矿成分与转鼓强度关系的预测模型，并用现场数据加 以验证；实验结果表明该方法收敛速度快，所建立的模型具有较高的预 测精度，可用于复杂非线性 系统建模。 关键词：中心聚类；微粒群优化；径向基函数；递推最小二乘；转鼓强度 DOI：10．3778~．issn．1002—8331．2009．36．060 文章编号：1002—833l(2009)36—0212—04 文献标识码：A 中图分类号：TP183 1 前言 z-中的 “个体距离”，并利用改进算法处理样本得到初始聚类 径向基函数神经网络