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
头发够用的程序员1 天前
Nsight Systems 零基础入门：Trace采集与基础操作XLYcmy2 天前
京东 算法实习一面 上机器学习之心2 天前
分而治之：K-means 聚类 + LSTM 的多输出回归实战SpikeKing2 天前
AIDD - SAbDab2 抗体感知聚类(Antibody-Perceived Clustering)就是一顿骚操作2 天前
VGG：用小卷积块把 CNN 做深的经典解读DogDaoDao2 天前
NNVC-17.1 深度解析：神经网络视频编码的最新进展与性能全景OpenApi.cc2 天前
MoCode — AI Agent Server (Docker) + macOS Desktop Client（开源项目）努力的小Qin3 天前
梯度下降如何实现参数优化：从线性回归到 Sigmoid 分类是上好佳佳佳呀3 天前
【深度学习|DAY04】神经网络深度学习笔记（下）：损失函数、优化器与正则化今天AI了吗3 天前
从 LLM 到 Agent Skill：把 AI 底层概念串起来