基于SVM的RBF网络在农机总动力预测中的应用  

RBF Neural Network Learning Method Based on System Clustering

加关注

作  者:吴志辉[1] 王福林[1] 董志贵[1] Wu Zhihui;Wang Fulin;Dong Zhigui(College of Engineering,Northeast Agricultural University,Harbin 150030,China)

机构地区:[1]东北农业大学工程学院,哈尔滨150030

出  处:《农机化研究》2019年第9期21-27,共7页Journal of Agricultural Mechanization Research

基  金:国家自然科学基金项目(31071331).

摘  要:径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。Radial basis function neural network is a single hidden layer three-layer forward network,which has the advantages of simple structure,fast learning speed and so on.This paper analyzes the problem of using radial basis neural network to determine the existence of basis function center by using traditional clustering method,and proposes a method based on support vector machine clustering to determine the basis function center of radial basis network.This method uses maximum interval principle and structural risk.The principle of minimization is premised.The kernel method is used to map the input space samples to the high-dimensional feature space to complete the clustering work to determine the number of basis functions.Radial basis function neural network with improved training method is used to predict the total power of farm machinery in Heilongjiang Province.The experimental results show that the improved network has a good effect in determining the network structure,learning speed and improving the network prediction accuracy.

关 键 词:支持向量机聚类 径向基函数 径向基神经网络 非线性时间序列预测 农机总动力 

分 类 号:S23-01[农业科学—农业机械化工程;农业科学—农业工程]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象