高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于模糊分组和监督聚类的RBF回归性能改进

陈聪 王士同

陈聪, 王士同. 基于模糊分组和监督聚类的RBF回归性能改进[J]. 电子与信息学报, 2009, 31(5): 1157-1160. doi: 10.3724/SP.J.1146.2008.00350
引用本文: 陈聪, 王士同. 基于模糊分组和监督聚类的RBF回归性能改进[J]. 电子与信息学报, 2009, 31(5): 1157-1160. doi: 10.3724/SP.J.1146.2008.00350
Chen Cong, Wang Shi-Tong. Improved RBF Regression Using Fuzzy Partition and Supervised Fuzzy Clustering[J]. Journal of Electronics & Information Technology, 2009, 31(5): 1157-1160. doi: 10.3724/SP.J.1146.2008.00350
Citation: Chen Cong, Wang Shi-Tong. Improved RBF Regression Using Fuzzy Partition and Supervised Fuzzy Clustering[J]. Journal of Electronics & Information Technology, 2009, 31(5): 1157-1160. doi: 10.3724/SP.J.1146.2008.00350

基于模糊分组和监督聚类的RBF回归性能改进

doi: 10.3724/SP.J.1146.2008.00350
基金项目: 

国家863计划项目(2007AA1Z158)和国家自然科学基金(60773206/ F020106)资助课题

Improved RBF Regression Using Fuzzy Partition and Supervised Fuzzy Clustering

  • 摘要: 为了提高RBF回归建模的精度,该文提出了一种基于模糊分组和监督聚类的RBF回归建模的新方法。基本思想是:首先利用监督聚类将训练样本模糊划分为若干子集,然后分别针对各个子集的样本分布情况进行RBF回归建模,最后利用加权组合得到最终的输出。实验表明,该方法对于目标模型的局部细节具有更好的逼近精度。
  • Bezdek J C. Pattern Recognition with Fuzzy ObjectiveFunction Algorithms[M]. New York: Plenum Press, 1981:25-78.[2]Fu Laichung and Wang Shitong. CATSMLP: Toward a robustand interpretable multilayer perceptron with sigmoidactivation functions[J].IEEE Trans. on Systems, Man, andCybernetics, Part B.2006, 36(6):1319-1331[3]Pedrycz W. Conditional fuzzy c-means[J]. PatternRecognition Lett., 1996, 17(6): 625-632.[4]Pedrycz W. Conditional fuzzy clustering in the design ofradial basis function neural networks[J].IEEE Trans. onNeural Networks.1998, 9(4):601-612[5]Pedrycz W and Vukovich G. Fuzzy clustering withsupervision[J].Pattern Recognition.2004, 37(7):1339-1349[6]Cheng Chibin. Fuzzy regression with radial basis functionnetwork[J].Fuzzy Sets and Systems.2001, 119(2):291-301[7]Antonino Staiano. Improving RBF networks performancein regression tasks by means of a supervised fuzzyclustering[J].Neurocomputing.2006, 69(13-15):1570-1581[8]缑水平, 焦李成, 田小林. 基于免疫克隆聚类协同神经网络的图像识别[J].电子与信息学报.2008, 30(2):263-266浏览[9]唐洪荣, 沈民奋, 李斌. 周期紧支撑径向基函数对BEMD 的优化[J].电子与信息学报.2008, 30(1):149-153浏览[10]Chuang Chenchia. Fuzzy weighted support vectorregression with a fuzzy partition[J]. IEEE Trans. onSystems, Man, And Cybernetics, 2007, 37(3): 630-639.
  • 加载中
计量
  • 文章访问数:  3275
  • HTML全文浏览量:  98
  • PDF下载量:  819
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-03-31
  • 修回日期:  2008-07-07
  • 刊出日期:  2009-05-19

目录

    /

    返回文章
    返回