径向基函数RBF插值算法cpp实现

#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include “matrix.h“
 
using namespace std;
 
const int P=100;        //输入样本的数量
vector X（P）;  //输入样本
Matrix Y（P1）;        //输入样本对应的期望输出
const int M=10;         //隐藏层节点数目
vector center（M）;       //M个Green函数的数据中心
vector delta（M）;        //M个Green函数的扩展常数
Matrix Green（PM）;         //Green矩阵
Matrix Weight（M1）;       //权值矩阵
 
/*Hermit多项式函数*/
inline double Hermit（double x）{
    return 1.1*（1-x+2*x*x）*exp（-1*x*x/2）;
}
 
/*产生指定区间上均匀分布的随机数*/
inline double uniform（double floordouble ceil）{
    return floor+1.0*rand（）/RAND_MAX*（ceil-floor）;
}
 
/*产生区间[floorceil]上服从正态分布N[musigma]的随机数*/
inline double RandomNorm（double mudouble sigmadouble floordouble ceil）{
    double xproby;
    do{
        x=uniform（floorceil）;
        prob=1/sqrt（2*M_PI*sigma）*exp（-1*（x-mu）*（x-mu）/（2*sigma*sigma））;
        y=1.0*rand（）/RAND_MAX;
    }while（y>prob）;
    return x;
}
 
/*产生输入样本*/
void generateSample（）{
    for（int i=0;i        double in=uniform（-44）;
        X[i]=in;
        Y.put（i0Hermit（in）+RandomNorm（00.1-0.30.3））;
    }
}
 
/*寻找样本离哪个中心最近*/
int nearest（const vector& centerdouble sample）{
    int rect=-1;
    double dist=numeric_limits::max（）;
    for（int i=0;i        if（fabs（sample-center[i]）            dist=fabs（sample-center[i]）;
            rect=i;
        }
    }
    return rect;
}
 
/*计算簇的质心*/
double calCenter（const vector &g）{
    int len=g.size（）;
    double sum=0.0;
    for（int i=0;i        sum+=g[i];
    return sum/len;
}
 
/*KMeans聚类法产生数据中心*/
void KMeans（）{
    assert（P%M==0）;
    vector > group（M）;          //记录各个聚类中包含哪些样本
    double gap=0.001;       //聚类中心的改变量小于为个值时，迭代终止
    for（int i=0;i        center[i]=X[10*i+3];     //输入是均匀分布的，所以我们均匀地选取
    }
    while（1）{
        for（int i=0;i