统 仿 真 学 报© Vol. 18 No. 1
2006年1月 Journal of System Simulation Jan., 2006
第18卷第1期 系
基于优化的RBF神经网络模式识别新方法
李国友1,姚 磊1,李惠光1,吴惕华2
(1.燕山大学,河北秦皇岛 066004;2.河北省科学院,河北石家庄 050000)
摘 要:提出了一种基于Hough变换优化的RBF神经网络模式识别新方法,该方法把Hough变换应用于RBF神经网络的参数确定中,实现了RBF神经网络的隐层节点数和数据中心值的自适应获取,提高了RBF神经网络的泛化能力。仿真结果表明:此改进的RBF网络用于模式识别中具有识别能力强,计算量小,识别速度快的优点,具有广阔的应用推广前景。 关键词:Hough变换;RBF神经网络;函数逼近;模式识别;泛化能力
中图分类号:TP183 文献标识码:A 文章编号: 1004-731X (2006) 01-0181-04
A New Method of Pattern Recognition
Based on Optimized RBF Neural Networks
LI Guo-you1, YAO Lei1, LI Hui-guang1, WU Ti-hua2
(1.Yanshan University, Qinhuangdao 066004, China; 2.Academy of Sciences of Hebei, Shijiazhuang 050000, China)
Abstract: A new method of pattern recognition based on optimized RBF neural networks using Hough Transform was improved. Hough Transform was applied to the parameters selection and the adaption of the number and position of data centers of RBF neural networks that were realized in this method. Consequently, RBF neural networks designed with this method could generalize well. Experiments results show that the improved RBF neural networks applied in pattern recognition turn out to be a higher accuracy, faster and elegant way. The method possesses high value being generalized. Key words: Hough Transform; RBF neural networks; function approach; pattern recognition; generalization ability
设计RBF神经网络亟需解决的问题。
针对上述问题,本文提出了基于Hough变换的改进的RBF神经网络新方法,此方法将Hough变换用于RBF神经网络的参数确定中,以自适应的确定RBF隐层节点数和高斯函数中心值,从而大大提高了网络速度和精度,同时,将

此改进的网络应用到字母和数字的识别系统中。经仿真研究,表现出学习时间短

,

计算量小和性能优良的特点,证明

了此方法的合理性和有效性。


引 言RBF神经网络是一种前向神经网络,和其它前向网络相比, 这种网络具有结构简单, 全局逼近能力强, 训练方法快速易行的优点,使得其在预测、信号处理及模式识别等很多领域得到了广泛的应用[1]。
RBF神经网络设计的核心问题是确定隐节点数及相应的数据中心,设计出满足目标误差要求的尽可能小的神经网络,以保证神经网络的泛化能力。目前,RBF神经网络的设计方法大体可以分为两类:第一类方法是隐节点数据中心随机选取,如OLS算法[2]和ROLS算法[3]。这类算法的优点是比较容易实现,且能在权值学习的同时确定隐节点的数目,但是,这类算法并不能设计出最小结构的RBF网络[4],另外,随机选取数值中心是否合理,也值得讨论。第二类方法是数据中心的位置在学习过程中动态调解,如K-means聚类或Kohenen提出的SOFM方法等各种动态聚类RBF神经网络设计方法,此类方法的优点是能根据各聚类中心之间的距离确定各隐节点的扩展常数,缺点是此类方法也无法确定RBF神经网络隐节点数且这几种聚类过程速度较慢。因此,寻找能确定聚类数目和相应的数据中心的合理方法,是
收搞日期:2004-09-27 修回日期:2005-10-23 基金项目:国家自然科学基金(60274023)
作者简介:李国友(1972-),男,河北玉田县人,博士生,研究方向为图像处理、计算机控制;姚磊(1979-),男,天津人,硕士生,研究方向为模式识别;李惠光(1947-),男,博导,研究方向为计算机视觉;吴惕华(1937-),男,博导,研究方向为高级过程控制。
1



RBF神经网络的优化
1.1 RBF神经网络的结构及原理
RBF神经网络是一种具有拓扑结构的前向神经网络,由输入层、隐含层、输出层构成。输入层的任务是把输入数据简单的映射到隐含层,以实现非线性映射,并不对输入数据进行处理;隐含层中的函数是径向对称的径向基函数,对输入进行处理以后,为输出提供数据;隐含层与输出层之间是一种线性映射关系。
隐含层节点的作用函数对输入信号只在局部产生响应,只有当输入信号在靠近作用函数的中央范围处,隐含层节点才会产生较大的输出。在隐含层中的径向基函数一般取为高斯函数:
x ci
Ri(x)=exp(
2σi2
2
)i=1,2,......,m (1)
式(1)中,x是输入向量;ci是隐含层中第i个节点作用函数的数据中心,σi表示该作用函数所围绕中心点的宽度;m表
181
一种基于遗传算法的RBF神经网络优化方法_IT/计算机_专业资料。rbf优化维普...较好的推广能力 ,已经广泛地应 用于 许多领 域 ,特 别是模式识别和函数逼近...
基于优化的RBF神经网络模式... 4页 1财富值 基于RBF神经网络的数字模式... ...目前进行模式识别比较主流的技术方法有,统计模式识别,句法模式识别,模糊模式识别,...
提出了一种基于智能优化型径向基神经网络的板形模式识别方法 . 在基于训 建模...( RBF) neural network was proposed. In the process of modeling the neural...
基于优化的RBF神经网络模式... 4页 免费 基于优化的RBF神经网络模式... 4页...第 卷第期年月 海军航空工程学院学报 基于 神经网络 的数 字模式 识别 方法赵...
近来, 人们提出应用遗传算法等方法优化神经网络, 从而 进行模式识别的思想, 虽然...基于 SVM与 三层 前向 网络 结构的等价性,本文提出一种改进的基于RBF网络的...
01.2l0ct No.52008 粗糙RBF神经网络集成的模式识别方法肖 迪1 胡寿松2 ’(...同的学习方法和网络结构会导致不同的学习速度. 为解决整个网络参数的优化问题,...
( 2011) 05- 0166- 03 基于遗传算法的 RBF神经网络的优化与应用徐 杰 (...研究神经网络的爱好者扩展了它的应用范围, 比如模式识别、 信号处理和一些社会...
DOI10.3969/j.issn.1001-8972.2010.14.143: 基于 RBF 神经网络的 数字图像...李惠光等. 基于优化的 RBF 神经网络模式识别新方法〔J〕. 系统仿 真学报....
38 No. 9 127 一种基于优化的 RBF 神经网络交通流预测新算法杨建华 郎宝华...学习方法、 较好的推广能力, 使得其在预测、 信号处 理及模式识别等很多领域...
其结构简单、 算法简便, 被广 第 5期 李彬, 等: ELM RBF 神经网络的智能优化策略 49 泛地应用于函数逼近、 模式识别、 时间序列预测、 语音识别、 自动控制...
热门文档