论文部分内容阅读
提出一种基于增强的全局K’-means算法（EGK’M）-RBF网络的建模方法,该方法采用作者提出的EGK’M来确定RBF网络隐含层的结构,包括隐含层中心个数、中心位置以及隐含层扩展常数,采用KPCA提取非线性特征信息,实现辅助变量的二次选择。并与基于PCA和EGK’M-RBF网络模型、基于KPCA和K-means算法的RBF网络模型进行比较,模型验证结果证明本文所提出的模型具有更好的预测能力,更小的泛化绝对误差和均方误差。