《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于径向基函数神经网络预抽取的支持向量机》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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）.