辅导文章
模型描述
1）相似度统计量构造。数据归一化后，利用皮尔森相关系数确定环境因子权重，构造相似日的统计量－相似度。
2）K-means 聚类。根据相似度应用 K-means 聚类法对历史日数据样本聚类，找出合适样本，使得历史日样本被分为若干类。
3）预测日所属类别识别。以相似度最大的类别作为预测日的类别，形成训练样本。
4）ELM 神经网络建模与预测。利用训练样本建立ELM 神经网络模型，利用测试样本对模型进行验证。最后，经过补偿及反归一化过程得出最后预测值。
预测效果
论文辅导 | 基于K-means聚类和ELM神经网络的养殖水质溶解氧预测
机器学习之心2024-06-27 14:05
相关推荐
在所不辞兄18 小时前
为什么物理嵌入神经网络要把物理方程残差加入损失函数，而不是直接作为网络结构的硬约束？茗创科技1 天前
种子点分析vs全脑分析：共激活模式（CAP）到底怎么选？Yolanda_20221 天前
Claudecode报错402 insufficient balance(1008)鬓戈1 天前
AI基础之神经网络deepseek232 天前
AI 模型隐藏任意能力拆解：把加密神经网络塞进宿主权重，能力评估为什么在密码学上抓不到梦帮科技2 天前
Kali Linux Scapy 畸形报文构造学——深度解剖非法 TCP Flags 与反常序列号探客木木夕2 天前
结构超图重构神经网络模型：脉冲权重节点与四阶段闭环框架TomEval2 天前
【测AI】第11篇：深度学习基础 —— 神经网络是怎么工作的在所不辞兄2 天前
为什么物理嵌入神经网络的收敛性和泛化误差缺乏统一的理论保证？朝朝辞暮i2 天前
VLA 系统学习第 21 课——DDPM 与 Noise Scheduler：扩散模型究竟怎样从随机噪声生成机器人动作？