基于K均值方法的RBF神经网络

为提高复杂地形条件下矿区GPS高程转换的精度,提出采用径向基神经网络(RBF)进行拟合。将GPS控制点的平面坐标x、y作为网络输入,高程异常ξ作为网络输出;利用交叉验证搜索算法对RBF网络拟合关键参数

本文提出一种基于RBF神经网络的医学图像分类算法,利用像素的特征信息作为训练样本对RBF神经网络进行训练,使用训练后的RBF神经网络图像的分类识别,对不同的分类结果赋予不同rgb值进行显示。实验结果表

针对Web服务QoS的预测问题,将RBF神经网络及其相关算法应用到Web服务QoS的短期预测中,首先对RBF神经网络的结构进行介绍,并将该网络应用于Web服务的QoS预测,然后运用MATLAB工具箱函

针对RBF 网络的特点, 提出一种递阶遗传算法, 不仅可以同时确定网络参数(连接权、 隐节点 中心和宽度) , 而且解决了网络拓扑结构的优化训练问题。算例仿真表明所提出的算法是很有效的。

RBF神经网络的结构增减神经元设计增减神经元增减神经元

BP和RBF神经网络源代码（C++）可运行，已经调试通过，并对其进行了比较；对于学习神经网络的人非常有用，有助于理解神经网络。

为解决井下风速传感器获得的风速异常数据确定故障源位置问题,采用RBF神经网络方法确定可能引起各分支风速异常的分支集合,即建立通风系统故障巷道范围库,再通过对分支的灵敏度进行排序来选择故障巷道诊断的优先

采用K均值聚类算法来优化RBF神经网络的各项参数。

水质评价的RBF神经网络应用，常欢，刘志斌，针对传统水质评价方法在权值选取上存在人为因素，本文主要应用RBF神经网络对辽河流域阜新支流的柳河、绕阳河、养息牧河三条主要河

rt,粒子群算法优化的RBF神经网络