一种改进的动态聚类非线性系统辨识算法

对RBF网络中几种常用的聚类算法进行比较,分析了各种方法的优缺点,针对动态聚类法进行了改进,其最突出的缺点是距离门限值固定不变,不适于样本分布密度差异较大的数据集。在改进算法中,首先定义所有样本间的平均距离为聚类门限初值,按照奖罚制度动态调节各中心的距离门限值,然后对所有样本进行动态聚类,以输入样本的平均值作为聚类中心,用最小二乘法求的输出层权值。该算法具有在线自适应聚类能力,所得到的RBF网络是最优的。最后通过著名的煤气炉数据验证了该方法的有效性与实用性。