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
科研小刘带你玩学术12 小时前
【科研快报】Nature子刊重磅｜HESpotEx：深度学习首次实现从病理图像直接预测基因表达数智工坊20 小时前
周志华《Machine Learning》学习笔记--第六章--支持向量机数智工坊1 天前
周志华《Machine Learning》学习笔记--第五章--神经网络数智工坊1 天前
周志华《Machine Learning》学习笔记--第七章--贝叶斯分类器apcipot_rain1 天前
计科八股20260604——AI安全、K-means、SVM、nano郑洁文2 天前
基于卷积神经网络的智能车牌识别系统机器学习之心2 天前
基于投影寻踪动态聚类的多指标综合评价方法（PPDC），实验文档+MATLAB代码kisdiem2 天前
GAN（Generative Adversarial Network）生成对抗网络老鱼说AI2 天前
统计学习方法第八章：Boosting郑洁文2 天前
基于CNN的异常流量监测系统的设计与实现