《表1 数据集属性描述:基于径向基函数神经网络预抽取的支持向量机》
径向基函数神经网络(RBFNN)具有良好的收敛性和较快的训练能力,可以逼近任意连续非线性函数.在RBFNN的设计中,采用“k-均值、RLS”混合算法,即将k-均值算法用于聚类计算,用递归最小二乘法(RLS)计算权值向量.在人工模拟数据集“双月”和UCI实际数据集“a1a(成人)”开展实验,数据集的细节见表1所示,以评估“k-均值、RLS”混合算法的RBFNN分类性能,将实验结果与直接使用支持向量机的实验结果进行比较,实验结果如图1所示,结果表明,基于“k-均值、RLS”混合算法的RBFNN的训练时间远小于SVM(SVM模型为单隐层非线性模型).
图表编号 | XD0021247100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.10 |
作者 | 管立新、彭中正 |
绘制单位 | 赣南师范大学物理与电子信息学院、赣南师范大学物理与电子信息学院 |
更多格式 | 高清、无水印(增值服务) |