复杂样本分类的GA2RBFNN方法①.PDF

第 21 卷第 2 期 系 　统 　工 　程 　学 　报 Vol. 21 No. 2 　　　　　　　　　　　 　　　　　　　　　　　　　　 2006 年 4 月 JOURNAL OF SYSTEMS ENGINEERING Apr. 2006 复杂样本分类的 GARBFNN 方法① 田　津, 李敏强 , 陈富赞 (天津大学管理学院 , 天津 300072) ( ) ( ) 摘要 : 本文以提高径向基函数神经网络 RBFNN 分类能力为出发点 ,结合遗传算法 GA 群体并行搜索能力 , 提出了一种有效的 GARBFNN 学习算法. 该算法在传统衰减聚类算法确定网络初始结构的基础上 ,加入控制 向量 ,设计了包含整个网络隐节点结构和径基宽度的矩阵式混合编码方式 , 以及相应的遗传操作算子. 网络权 值由伪逆法求解确定. 经 Iris 、WINES 和 Glass 数据集的仿真实验验证 ,该算法快速有效 ,具有较强的复杂样本 分类能力. 关键词 : 径向基函数神经网络 ; 遗传算法 ; 混合编码 ; 分类能力 ( ) 中图分类号: TP18 　　　文献标识码 : A 　　　文章编号 : 1000 - 5781 2006 02 - 0163 - 08 GARBFNN learning algorithm for complex classifications TIAN Jin , LI Minqiang , CHEN Fuzan ( School of Management , Tianjin University , Tianjin 300072 , China) Abstract : This paper proposes an adaptive learning algorithm , GA- RBFNN , to build a RBF neural net work (RBFNN) model. The algorithm utilizes GA ’s parallel- search ability to improve the classification ac curacy of the RBFNN. Firstly , the initial network hidden structure of a RBFNN model is determined by the traditional decayed-radius clustering algorithm. Then the hidden centers of a RBFNN are modified by a specially designed GA , which is based on the matrixform mixed encoding scheme with a control vector for regulating the structure of a RBFNN , and the new genetic operators are