点击次数：

论文类型：期刊论文

发表时间：2012-01-01

发表刊物：自动化学报

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：38

期号：6

页面范围：999-1006

ISSN号：0254-4156

关键字：互信息; 变量选择; 径向基函数网络; 节点选择

摘要：针对多元序列分析中存在的输入变量选择问题,提出一种基于k-近邻互信息估计的分步式变量选择算法.该算法通过两步过程分别实现相关变量的选择与弱相关变
   量的剔除.同时将分步变量选择算法应用于径向基函数(Radial basis
   function,RBF)神经网络结构的优化中.在K均值聚类的基础上,通过分析隐含层神经元的输出权值与神经网络输出的相关性,对隐含层节点进行选择
   ,改进网络的结构与性能.Friedman数据的仿真实验验证了分步变量选择算法的有效性;Gas furnace多元时间序列以及Boston
   housing数据的仿真结果表明,优化后的RBF网络能够在保证模型精度的基础上有效控制网络规模.