一种变基宽径向基神经网络的大数据集分类方法

为了提高径向基神经网络模型的分类精度和缩短收敛时间，提出了一种变基宽神经网络模型的构建算法，这种方法是在减聚类算法和K‐means算法确定聚类中心的基础上，选择样本与聚类中心距离的最大值作为σ，基宽σ的值随着聚类中心的优化而不断自适应地更新。采用该方法同多支持向量机的RB F模型聚类算法以及高斯函数RBF神经网络模型中定基宽算法对乳腺癌（breast cancer）、葡萄酒（wine）、元音（vowel）三个大数据集分类，从分类准确度和收敛时间两方面作对比。实验结果表明，该方法能提高大数据样本集的分类精度和收敛速度。