RBF神经网络选取中心点时，用聚类算法和随机给定的区别

聚类算法和随机给定的中心点在选取RBF神经网络中心点时存在以下区别：

1. 聚类算法：聚类算法是一种无监督学习方法，它可以通过对样本数据进行聚类分析，自动地找出数据中的相关性和规律性，并将数据分成不同的类别。在RBF神经网络中，聚类算法可以用来选取中心点，将数据分成不同的类别，然后在每个类别中选取一个代表性的点作为中心点。

2. 随机给定：随机给定中心点是一种比较简单的方法，它不需要对数据进行聚类分析，而是直接从样本数据中随机选取一些点作为中心点。这种方法的优点是简单易实现，但缺点是选取的中心点可能不够代表性，导致RBF神经网络的性能不如聚类算法选取的中心点。

综上所述，聚类算法在选取RBF神经网络中心点时更加科学和准确，但随机给定的方法更加简单和易实现。具体选取哪种方法，需要根据具体问题和数据特点进行选择。