收藏本站
《东北农业大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的径向基网络基函数中心确定方法研究

吴志辉  
【摘要】:径向基函数(Radial Basis Function,RBF)神经网络是一种单隐层的三层前向网络,可以根据具体问题确定网络的拓扑结构,凭借其结构简单、学习速度快、能有效避免局部收敛和可以并行高速地处理大规模数据等优良特性,广泛应用在模式识别、图像识别、信号处理等领域。确定径向基函数中心的数量、位置以及宽度是RBF神经网络结构设计的重要工作,在工程实践中一般需要通过某种聚类算法来确定基函数中心及其相关参数,应用最普遍的就是K均值聚类方法,但它需要预先设定初始凝聚点的个数,这对于很多实际问题是很难做到的,而且通过K均值聚类方法构建的神经网络结构对初始凝聚点的选取和异常值都特别敏感。针对这一问题有学者提出了用系统聚类的方法来确定基函数的中心,而系统聚类和K均值聚类在本质上都属于贪心算法,算法在每一步所做的决策都是对当前状态来说是最优的,这样得到的最终解很可能不是全局最优解,并且系统聚类算法受异常值的影响也比较大且结果很可能聚成链状。针对以上问题,本文提出了运用支持向量机(Support Vector Machine,SVM)聚类确定RBF神经网络基函数中心的方法,弥补了K均值聚类和系统聚类等传统聚类算法的不足。本文首先介绍了RBF神经网络的结构、原理和学习算法,简单介绍了几种确定基函数中心的方法。其次介绍了支持向量机的基本原理,然后介绍了支持向量机在分类问题应用的理论基础,并给出了不同核函数下鸢尾花数据集的分类效果示例。最后将基于支持向量机聚类确定基函数中心的方法应用到RBF神经网络的构建中,实验其性能,并与之前在这方面表现较好的系统聚类训练的RBF网络做了全方位对比,验证了改进方法的有效性。本文取得的主要研究成果有:(1)研究提出了用支持向量机聚类来确定RBF神经网络径向基函数中心的新方法,并给出了这种方法的计算方法与相关模型。通过分析支持向量机聚类的原理与过程并与系统聚类法确定基函数中心训练的RBF神经网络进行对比,得出了新方法训练的网络在收敛速度、拟合精度、分类准确性和预测精度等方面表现更好的结论。(2)通过编程进行算法的仿真实验,证明了算法的可行性。运用MATLAB和PYTHON语言,设计并实现了基于支持向量机聚类确定基函数的RBF神经网络。(3)通过三个实例验证了本文提出的支持向量机聚类方法构建的RBF神经网络在解决农业工程实际问题中的有效性。将用支持向量机聚类(Support Vector Clustering,SVC)确定基函数中心方法构建的RBF神经网络应用于函数拟合问题、分类问题和非线性时间序列预测问题中,得到了较好的结果。将改进的RBF神经网络与运用系统聚类方法构建的RBF神经网络进行了全方位的对比,证明了新方法的可行性和有效性。
【学位授予单位】:东北农业大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP18

【参考文献】
中国期刊全文数据库 前10条
1 谢荣斌;张霖;鄢小虎;杨俊;卢文华;;模拟退火优化SVM参数的变压器故障诊断[J];计算机测量与控制;2015年05期
2 郝晓丽;张靖;;基于改进自适应聚类算法的RBF神经网络分类器设计与实现[J];计算机科学;2014年06期
3 石东源;熊国江;陈金富;李银红;;基于径向基函数神经网络和模糊积分融合的电网分区故障诊断[J];中国电机工程学报;2014年04期
4 郭明玮;赵宇宙;项俊平;张陈斌;陈宗海;;基于支持向量机的目标检测算法综述[J];控制与决策;2014年02期
5 毛健;赵红东;姚婧婧;;人工神经网络的发展及应用[J];电子设计工程;2011年24期
6 李晓俊;吕晓艳;刘军;;基于径向基神经网络的铁路短期客流预测[J];铁道运输与经济;2011年06期
7 余华;李海洋;李启元;;基于径向基神经网络的数字“0”~“9”语音识别[J];江西师范大学学报(自然科学版);2009年06期
8 陈德军;胡华成;周祖德;;基于径向基函数的混合神经网络模型研究[J];武汉理工大学学报;2007年02期
9 刘鑫朝;颜宏文;;一种改进的粒子群优化RBF网络学习算法[J];计算机技术与发展;2006年02期
10 宫新保,周希朗;基于免疫聚类和遗传算法的RBF网络设计方法[J];应用科学学报;2004年01期
中国博士学位论文全文数据库 前6条
1 曹杰;基于SVM的网络流量特征降维与分类方法研究[D];吉林大学;2017年
2 闫辛;半监督支持向量机模型与算法研究[D];上海大学;2016年
3 姚赛;两类新型神经网络及其在非线性系统控制中的应用[D];东北石油大学;2015年
4 郭剑峰;基于数据建模的轮轨力载荷辨识理论和应用研究[D];中国铁道科学研究院;2015年
5 卢金娜;基于优化算法的径向基神经网络模型的改进及应用[D];中北大学;2015年
6 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年
中国硕士学位论文全文数据库 前10条
1 钱纪光;径向基函数方法在分数阶微分方程数值解中的应用[D];浙江工商大学;2018年
2 潘琪;径向基神经网络基函数中心确定方法改进研究[D];东北农业大学;2017年
3 林杨;基于深度学习的刀具磨损状态监测技术的研究[D];中国科学技术大学;2017年
4 韦佳黎;基于热辐射与纹理特征的硅酸盐岩石遥感识别[D];中国地质大学(北京);2017年
5 杨志辉;基于机器学习算法在数据分类中的应用研究[D];中北大学;2017年
6 周文冬;基于PSO的自组织RBF神经网络优化设计及应用研究[D];北京工业大学;2016年
7 栗寒冰;基于支持向量排序的分割聚类算法研究[D];吉林大学;2016年
8 张义;径向基函数神经网络的优化研究[D];山东理工大学;2016年
9 马云龙;基于主成分分析的RBF神经网络预测算法及其应用[D];吉林大学;2015年
10 符正晴;基于PNN的板材孔洞缺陷红外热波检测及其识别技术[D];华东交通大学;2014年
【共引文献】
中国期刊全文数据库 前10条
1 陆百川;邓捷;马庆禄;刘权富;张凯;;基于IC卡和RBF神经网络的短时公交客流量预测[J];重庆交通大学学报(自然科学版);2015年06期
2 李夕兵;朱玮;刘伟军;张德明;;基于主成分分析法与RBF神经网络的岩体可爆性研究[J];黄金科学技术;2015年06期
3 宗望远;王佳伟;王淑君;赵颖彪;;基于果荚色调H值的油菜成熟度BP神经网络预测[J];广东农业科学;2015年22期
4 张义;田爱奎;韩士元;;一种自适应的混沌粒子群优化RBF神经网络算法[J];重庆理工大学学报(自然科学);2015年11期
5 赵伟国;盛建萍;杨军虎;宋启策;;基于CFD的离心泵优化设计与试验[J];农业工程学报;2015年21期
6 董海鹰;李晓楠;姚军;;基于粗糙集和灰关联分析的750kV变电站故障诊断[J];高电压技术;2015年10期
7 侯亚美;陈艳艳;吴克寒;何俊;;基于BP神经网络的北京市出租车油耗模型研究[J];道路交通与安全;2015年05期
8 卜云婷;谢慕君;姜长泓;王珏;;二级管网供水温度的改进型RBF神经网络预测[J];煤气与热力;2015年10期
9 蒋留兵;吉雅雯;杨涛;车俐;;基于双谱特征的超宽带雷达人体目标识别[J];电讯技术;2015年09期
10 李爱霞;;基于遥感影像的杭州湾南岸湿地变化分析[J];浙江水利水电学院学报;2015年03期
中国博士学位论文全文数据库 前10条
1 孙思衡;电子电器产品缺陷风险评估方法研究[D];北京科技大学;2018年
2 苗丽颖;商用车湿式自动离合器控制技术研究[D];吉林大学;2018年
3 段本明;插电式混合动力汽车整车控制器标定方法研究[D];吉林大学;2017年
4 段宇飞;鸡蛋多品质高通量在线快速无损检测研究[D];华中农业大学;2017年
5 谢文;基于高光谱技术的森林土壤不同养分含量光谱特征及估测模型研究[D];江西农业大学;2017年
6 付翔;支架运行自适应智能供液理论与技术研究[D];太原理工大学;2017年
7 李鑫;基于度量学习的最近邻信用评分模型研究[D];上海大学;2017年
8 郭毅;基于半监督学习和信息融合的港口客户信用风险评价系统[D];北京交通大学;2017年
9 孟雪;舰载机故障状态下着舰容错控制策略研究[D];哈尔滨工程大学;2017年
10 侯现耀;智能公交信息对城市居民公交出行方式选择的影响研究[D];东南大学;2016年
中国硕士学位论文全文数据库 前10条
1 韩祥鹏;T型三电平逆变器PWM调制策略的研究[D];华东交通大学;2018年
2 郭林;基于融合型数据驱动的锂离子电池剩余寿命预测方法的研究[D];青岛科技大学;2018年
3 刘彬;基于对抗深度学习的人脸检测研究[D];青岛科技大学;2018年
4 张学丰;舞台设备远程诊断系统开发与关键技术研究[D];兰州理工大学;2018年
5 章富成;燃气设备故障诊断及寿命预测[D];北京建筑大学;2018年
6 严寒;基于卷积神经网络的图像分类算法研究[D];西北大学;2018年
7 吴志辉;基于支持向量机的径向基网络基函数中心确定方法研究[D];东北农业大学;2018年
8 王飞;基于支持向量机的热压混合材料板力学特性预测模型研究[D];东北农业大学;2018年
9 张金慧;基于多尺度方法的行人检测与跟踪算法研究[D];西南科技大学;2018年
10 刘智鹏;基于多传感器信息融合的刀具磨损状态模式识别和寿命预测研究[D];西南交通大学;2018年
【二级参考文献】
中国期刊全文数据库 前10条
1 傅文渊;凌朝东;;布朗运动模拟退火算法[J];计算机学报;2014年06期
2 郑凯;袁丹;刘剑清;彭道刚;张浩;;基于SA-PSO优化自适应PNN网络的变压器故障诊断研究[J];计算机测量与控制;2014年04期
3 王建玺;王刘涛;;基于改进GA的SVM电力变压器过热诊断方法研究[J];计算机测量与控制;2014年02期
4 郭伟;;基于互信息的RBF神经网络结构优化设计[J];计算机科学;2013年06期
5 段明秀;唐超琳;;一种基于密度的聚类算法实现[J];吉首大学学报(自然科学版);2013年01期
6 李聪;封化民;;基于多蚁型的蚁群聚类算法[J];北京电子科技学院学报;2012年04期
7 陈光平;王文鹏;黄俊;;一种改进初始聚类中心选择的K-means算法[J];小型微型计算机系统;2012年06期
8 杨扬;李善平;;分割位置提示的可变形部件模型快速目标检测[J];自动化学报;2012年04期
9 谢娟英;郭文娟;谢维信;高新波;;基于样本空间分布密度的初始聚类中心优化K-均值算法[J];计算机应用研究;2012年03期
10 刘一鸣;张化祥;;引入信息增益的层次聚类算法[J];计算机工程与应用;2012年01期
中国博士学位论文全文数据库 前5条
1 郭传好;几类锥规划问题算法与应用的研究[D];上海大学;2013年
2 史红梅;基于车辆动态响应的轨道不平顺智能感知算法研究[D];北京交通大学;2013年
3 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
4 王德成;我国农业机械化发展经济效应的研究[D];中国农业大学;2005年
5 盖强;局域波时频分析方法的理论研究与应用[D];大连理工大学;2001年
中国硕士学位论文全文数据库 前10条
1 何志连;BP神经网络整体变步长与个体变步长算法的比较研究[D];东北农业大学;2016年
2 朱文静;人工鱼群算法优化的SVM在语音识别中的应用[D];太原理工大学;2016年
3 马云龙;基于主成分分析的RBF神经网络预测算法及其应用[D];吉林大学;2015年
4 王序;基于改进的RBF神经网络的航空公司绩效评价模型研究[D];哈尔滨工业大学;2015年
5 李明达;基于点排序的相似度分割聚类算法研究[D];吉林大学;2015年
6 初光磊;SVM在数据挖掘中的应用[D];北京邮电大学;2015年
7 葛珉昊;基于混合递阶遗传算法的RBF网络优化及在BOD软测量中的应用[D];兰州理工大学;2014年
8 范传鑫;基于改进的RBF神经网络的城市震害损失评估模型[D];哈尔滨工业大学;2014年
9 郭晓燕;基于PSO-RBF神经网络的污泥膨胀软测量系统[D];北京工业大学;2014年
10 李丹丹;基于改进粒子群算法的混沌时间序列预测[D];燕山大学;2014年
【相似文献】
中国期刊全文数据库 前10条
1 江少杰;宁纪锋;李云松;;加权间隔结构化支持向量机目标跟踪算法[J];中国图象图形学报;2017年09期
2 李娜;孙乐;胡一楠;李笑;王亚南;;模糊型支持向量机及其在入侵检测中的应用[J];科技创新与应用;2018年11期
3 邵元海;杨凯丽;刘明增;王震;李春娜;陈伟杰;;从支持向量机到非平行支持向量机[J];运筹学学报;2018年02期
4 高钦姣;张胜刚;贾晓薇;;基于支持向量机的股票价格预测模型研究与应用[J];课程教育研究;2016年28期
5 林香亮;袁瑞;孙玉秋;王超;陈长胜;;支持向量机的基本理论和研究进展[J];长江大学学报(自科版);2018年17期
6 安悦瑄;丁世飞;胡继普;;孪生支持向量机综述[J];计算机科学;2018年11期
7 梁武;苏燕;;一种新的基于类内不平衡数据学习支持向量机算法[J];科技通报;2017年09期
8 吴青;梁勃;;分段熵光滑支持向量机性能研究[J];计算机工程与设计;2015年08期
9 牛犇;顾宏斌;孙瑾;周来;周扬;;有向无环图-双支持向量机的多类分类方法[J];计算机应用与软件;2015年11期
10 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期
中国重要会议论文全文数据库 前10条
1 王晓红;;一种改进多类支持向量机加权后验概率重构策略[A];2009中国控制与决策会议论文集(3)[C];2009年
2 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届(2011)中国管理学年会——商务智能分会场论文集[C];2011年
3 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年
4 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 汪荣贵;孙见青;胡琼;李守毅;;一种新的支持向量机决策树及其应用[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 伍敏;苏鹏宇;刘金福;于达仁;;基于RVM和SVM的风速预测研究[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
7 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集(上)[C];2012年
8 刘爽;贾传荧;;一种加权支持向量机算法[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
9 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
10 张立刚;李海丽;;基于最小二乘支持向量机的协调系统预测[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
中国博士学位论文全文数据库 前10条
1 胡庆辉;非稀疏多核支持向量机学习方法研究[D];武汉大学;2015年
2 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
3 徐芳;航空影像分割的支持向量机方法[D];武汉大学;2004年
4 蔡从中;支持向量机及其在生物材料功能研究中的应用[D];重庆大学;2003年
5 孙德山;支持向量机分类与回归方法研究[D];中南大学;2004年
6 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
7 董春曦;支持向量机及其在入侵检测中的应用研究[D];西安电子科技大学;2004年
8 安金龙;支持向量机若干问题的研究[D];天津大学;2004年
9 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
10 阎满富;求解分类问题的支持向量机方法与应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 张尧;HPV18单克隆抗体的研制及应用[D];北京化工大学;2017年
2 周捷;互联网时代杭州银行信用卡业务转型研究[D];兰州理工大学;2018年
3 单文亚;颈眩宁汤治疗椎动脉型颈椎病(痰瘀交阻)的临床观察[D];河南中医药大学;2018年
4 郭晓云;基于支持向量机的P2P网络借贷投资决策分析[D];武汉理工大学;2017年
5 吴志辉;基于支持向量机的径向基网络基函数中心确定方法研究[D];东北农业大学;2018年
6 张航;结构不确定性分析与设计优化的序贯支持向量机方法[D];南京航空航天大学;2018年
7 黄春萌;基于支持向量机回归的NDVI组合预测模型[D];河北工业大学;2016年
8 施振振;基于混合加权支持向量机的股市分布变化研究[D];合肥工业大学;2018年
9 刘雅云;基于机器学习的降水数据分析算法的研究[D];南京信息工程大学;2018年
10 焦向宁;面向油气储层综合评价的空间支持向量机模型[D];成都理工大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026