论文部分内容阅读
提出了一种基于动态聚类和遗传算法相结合的组合RBF网络训练方法；采用动态聚类法对样本数据进行聚类，使RBF神经网络的隐含层节点中心数在训练过程中自动确定，使用经验公式作为标准，选取最优聚类数，采用遗传算法对隐层中心和宽度以及隐层到输出层的权值进行优化，在全局范围内寻找网络的最优模型；最后对轮对缺陷进行纹理特征提取，并组成训练样本和测试样本，输入到网络进行训练与测试；实验结果表明，与传统方法比较，该组合方法具有较高的识别率。