基于径向基函数网络的改进算法的数据分类方法及其应用.pdfVIP

第13卷专辑 中国管理科学 Issue V01．13，Special Chinese Journalof Science !!!!竺!!望 ManageITIent Octob。。， 2005 文章编号：1003—207(2005)zk一0136—02 基于径向基函数网络的改进算法的数据分类 方法及其应用 向小东 (福州大学管理学院，福建福州 350002) 摘要：径向基函数网络是数据挖掘领域的一种重要挖掘工具，受到了特别的重视。本文通过考虑输入——输出 扩展矢量的方式改进了应用广泛的HCM挖掘算法。实例表明改进的HCM算法可以获得更好的挖掘效果，提升了 此挖掘工具的价值。 关键词：径向基函数网络；径向基函数中心；扩展矢量；改进的HCM算法；分类 中图分类号：C931 文献标识码：A 1 引言 2基于径向基函数网络的改进算法的数据 分类方法 数据挖掘是当今学术界研究的一个热点问题，而 分类是数据挖掘的一个重要研究领域。人们常用的 考虑常用的含一个隐层的径向基函数网络。为了 数据分类方法有感知器方法、线性判别式方法、最近 与HCM(硬C均值)算法进行比较，本文用与文献[3] 中相同的符号。由于在确定径基函数中心时还应考虑 邻方法、Logistic判别式分析方法、反向传播前馈神经 网络方法、径向基函数网络方法、支持向量机方法 期望输出，在此定义如下式的输入——输出扩展矢量 等¨。1。在这众多的分类方法中，径向基函数网络方 法由于具有较强的非线性映射和泛化能力，在分类问 则基于改进的HCM算法的数据分类方法为： 题中常常产生令人吃惊的效果…，受到了人们特别的 1)据已知的类别数确定隐层节点数NR，显然， 重视。在用径向基函数网络方法进行分类时，径基函 2sNRsK，K是样本个数。 数中心位置的确定是关键日。5·。在以往，人们认为径 2)任意指定初始分类矩阵U。，b=0。其中U为 基函数中心位置的选择只与训练集中样本向量在输 NR·K阶矩阵，U中元素u。。为 入空间的分布有关，而与模式的输入——输出映射关 Ai ‰2 A；表示第￡类‘表不弟。荚 ‰：f1 ‘i：E C— 系无关。41。因而，人们常用硬C均值(Hard io￡乡。隹A。 Means)算法旧o、K均值族(K—MeansClustering)算 3)据U6和下式计算NR个扩展中心矢量mj 法H。等确定径基函数中心位置。其中硬C均值算法 P 因其算法简单、运行速度快、性能良好应用更为广泛。 m。=÷一∑u，t，t／t。m。2]广己up 然而，随着研究的进一步深入，人们发现要确定出最 己M