论文部分内容阅读
单一RBF神经网络的性能具有饱和性，若多个RBF网络合理集成必能提高整体网络的优越性。提出一种基于实数数据处理的扩展粗糙集模型，解决RBF网络隐含层的聚类边界的不确定性。首先采用K-均值方法对输入样本进行聚类。接着利用扩展粗糙集方法获得每个聚类的下、上近似集合;然后分别以各类的下近似和上近似的集合均值作为RBF网络的径向基中心，设计两个隐含层节点不同的RBF网络;最后在经验风险最小化原则下，确定了两个网络的每个输出值的置信度，得到神经网络集成的最终输出。网络的训练采用在线训练方式，因此可用于某型歼击机的故障诊断。仿真示例验证了本文方法的正确性和有效性。