Full RBF Network
有多少笔资料（N），就有多少个中心。
物理意义：权重和每个点与中心的距离相关。
方法：假设每个点的权重都一样，那么对于一个新的点，所有点进行加权投票。每一张票的加权值 = exp(每个点到新点的距离)
K Nearest Neighbor
对于一个新的点，选择最近的K个点，进行加权投票。
RBF Network Learning 这节课中间用了好多课件讲:Full RBF Network的Ein=0，可能会过拟合。所以我们要来找一些合适中心（而不是把所有N个点都当成中心）
K-Means
方法： 。。。
我们利用 K-Means 选取一些合适的“中心”，然后用这些点做 RBF NNet 的特征转换。
敏感：K的值和初始点位置。
ID501068B5-Z9N86gQ2