针对城市用水量影响因素众多,关联性较强以及BP神经网络收敛速度慢,易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量.利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快,模式识别能力强的RBF神经...
网络径向基神经网络模型 网络释义 1. 径向基神经网络模型 ...型(PLS)、前馈神经网络模型(PCA-BP)以及径向基神经网络模型(PCA-RBF),采用相关系数(r)、校正集均方误差(RMSEC)和预 … cdmd.cnki.com.cn|基于 1 个网页 释义: 全部,径向基神经网络模型...
试验结果表明,利用 SPSS软件实现 PCA—RBF神经 网络预测取得 了非常满意的结果。 关键词 : 神经网络 ;主成分分析 (PCA);主成分一径 向基 函数神经 网络 (PCA-RBFNN);SPSS 中图分类号 :TP391.8 文献标 识码 :A SimulationTestofPrincipalComponentAnalysis—RBF NeuralNetworkM odelBasedon SPSS HUANG Hua (...
基于SPSS的PCA-RBF神经网络模型的仿真试验
RBF) ) , 神经网络法( 提出了改进的 软测量建模方法。首先利用 分析变量筛选法从过程变量 RBFNN PCA-RBFNN PCA 集合中找到对系统过程特性具备最佳解释能力的过程变量子集;然后将该过程变量子集作为输入、被估计变量作 为输出构建 PCA-RBFNN 模型,并使用 K-me a n s聚类和最小均方误差法初始化 RBF 神经网络的数...
以前面提到过的一维数据集为例,在x1=-2和x1=1处添加两个地标(见图5-8中的左图)。接下来,我们采用高斯径向基函数(RBF)作为相似函数 这是一个从0(离地标差得非常远)到1(跟地标一样)变化的钟... Python机器学习:5.6 使用核PCA进行非线性映射 向量的相似性(不需要先特征映射,再计算相似性)。在介绍核技巧...
下图展示的瑞士卷分别使用线性核(等同于仅使用PCA类),RBF核和sigmoid核进行降维到2维空间后的图: 选择核并调优超参数 由于kPCA是一个非监督学习,所以没有一个很明显的性能衡量方式来帮助我们选择一个最好的核以及超参数的值。也就是说,降维一般是监督学习任务(如分类)中的一个准备阶段,所以我们可以使用网格搜索...
利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑...
PCA_RBF网络在电力负荷预测中的应用研究
基于PCA-RBF网络的高校保密项目风险预测