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
LaughingZhu1 小时前
Product Hunt 每日热榜 | 2026-05-12沪漂阿龙2 小时前
面试题：卷积神经网络（CNN）是什么？核心层、卷积核、池化、1×1 卷积、VGG、ResNet 一文讲透老鱼说AI3 小时前
现代 LangChain 开发指南：从 LCEL 原理到企业级 RAG 与 Agent 实战沪漂阿龙4 小时前
面试题：文本表示方法详解——One-hot、Word2Vec、上下文表示、BERT词向量全解析（NLP基础高频考点）电科一班林耿超6 小时前
深度学习大师课 第 1 课：什么是深度学习？纯手写你的第一个神经网络青松@FasterAI8 小时前
【动手学大语言模型】神经网络启蒙：PyTorch 入门实战初心未改HD9 小时前
机器学习之DBSCAN密度聚类详解沪漂阿龙11 小时前
面试题：聚类方法一文讲透——K-means、层次聚类、K 值选择、初始化、距离度量、DBSCAN 全拆解yongui478341 天前
基于 GA 优化的 BP 神经网络算法分析与 MATLAB 实现沪漂阿龙1 天前
面试题：神经网络的超参数怎么讲？层数、神经元、学习率、Batch Size、调参方向一文讲透