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
OAK中国_官方1 天前
在OAK 4 系列上以480帧运行神经网络Dfreedom.1 天前
聚类算法对比分析：K-Means、DBSCAN 与层次聚类DeepModel1 天前
通俗易懂讲透 Mini-Batch K-means沅_Yuan2 天前
基于LSTM神经网络的锂电池SOH估算模型（NASA数据集）【MATLAB】沅_Yuan2 天前
基于KAN神经网络的锂电池SOH估算模型（NASA数据集）【MATLAB】张二娃同学2 天前
深度学习入门：YOLOv5 与 Fast R-CNN的认识郝学胜-神的一滴2 天前
激活函数：神经网络的「非线性灵魂」，让模型从“直线”走向“万能”Dfreedom.2 天前
异常检测算法详解：从“何为异常”到“如何发现”郝学胜-神的一滴2 天前
深度学习激活函数核心精讲：Sigmoid 原理、推导与工程实践渡我白衣2 天前
【MySQL基础】（4）：MySQL 数据类型