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
AI即插即用1 天前
即插即用系列 | Attention GhostUNet++：基于多维注意力和 Ghost 模块的高效 CT 图像脂肪与肝脏分割网络我不是小upper2 天前
CNN+BiLSTM ！！最强序列建模组合！！！Hcoco_me2 天前
大模型面试题14：K-means聚类算法全解析（通用场景+深度拓展）Hcoco_me2 天前
大模型面试题15：DBSCAN聚类算法：步骤、缺陷及改进方向byzh_rc2 天前
[认知计算] 循环神经网络xixixi777772 天前
NTN（神经张量网络）：让AI学会“关系推理”的里程碑咨询QQ276998852 天前
燃料电池汽车能量管理：从参数匹配到模糊控制西猫雷婶2 天前
CNN计算|矩阵扩充方法变化和卷积核移动步长变化生成论实验室2 天前
生成论入门十讲 · 第九讲生成的创造——设计学与人工智能有为少年2 天前
神经网络 | 从线性结构到可学习非线性