王淑芬 (石河子大学理学院，新疆 石河子 832003)

王 卫 (新疆生产建设兵团化工绿色过程重点实验室(石河子大学)，新疆 石河子 832003)

基于二层规划的改进RBF算法在iris数据集分类中的应用

王淑芬 (石河子大学理学院，新疆 石河子 832003)

王 卫 (新疆生产建设兵团化工绿色过程重点实验室(石河子大学)，新疆 石河子 832003)

基于二层规划上下层相互制约、各自独立决策的性质，融合遗传算法的选择、交叉算子，采用交叉验证方法，动态改善RBF算法的精度，使奇异样本以较大概率落在下层，以得到精度较高的训练网络。研究表明，改进RBF算法可以提高训练网络的泛化能力，并能以较大概率得到预测集中的奇异样本。

二层规划；神经网络；遗传算法；uic数据库；分类

模型精度的优劣是评判模型的重要指标。交叉验证是评价模型精度的常用方法。交叉验证通常有3种，即Hold-Out Method、K-fold Cross Validation和Leave-One-Out Cross Validation，其中K-fold Cross Validation可以有效地避免过学习以及欠学习状态的发生,具有较高的可靠性。笔者结合二层规划上下层相互制约、各自独立决策的性质，在径向基函数神经网络(Radial Basis Function,RBF)模型训练中引入K-fold Cross Validation交叉验证，动态选择训练数据集，使得到的训练模型具有更高的网络泛化能力。

1 二层规划及RBF算法理论简介

1.1二层规划基本理论

二层规划是一种具有二层递阶结构的决策优化问题[1]。上层和下层各有目标函数和约束条件，上层问题的目标函数和约束条件，不仅与上层决策变量有关，而且还依赖于下层问题的最优解或最优值。下层问题的最优解又受上层决策变量的影响，其解(或最优值)反馈到上层而影响上层规划问题的最优解。……