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
量子-Alex41 分钟前
【多模态聚类】用于无标记视频自监督学习的多模态聚类网络小陈phd10 小时前
深度学习实战之超分辨率算法（tensorflow）——ESPCN落魄君子12 小时前
CNN回归-卷积神经网络（Convolutional Neural Network）人机与认知实验室19 小时前
人、机、环境中各有其神经网络系统落魄君子1 天前
ELM分类-单隐藏层前馈神经网络（Single Hidden Layer Feedforward Neural Network, SLFN）是Dream呀1 天前
Python从0到100（七十八）：神经网络--从0开始搭建全连接网络和CNN网络长风清留扬2 天前
机器学习中的密度聚类算法：深入解析与应用γ..2 天前
基于MATLAB的图像增强机器学习之心2 天前
LSTM-SVM时序预测 | Matlab基于LSTM-SVM基于长短期记忆神经网络-支持向量机时间序列预测落魄君子2 天前
SVM分类-支持向量机（Support Vector Machine）