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
BB_CC_DD21 分钟前
四. 以Annoy算法建树的方式聚类清洗图像数据集，一次建树，无限次聚类搜索，提升聚类搜索效率。(附完整代码)追逐☞14 小时前
机器学习（7）——K均值聚类鸿蒙布道师1 天前
AI硬件遭遇“关税风暴“：中国科技企业如何破局？蹦蹦跳跳真可爱5891 天前
Python----深度学习（基于深度学习Pytroch线性回归和曲线回归）loriby1 天前
卷积神经网络：视觉炼金术士的数学魔法COOCC11 天前
PyTorch 实战：Transformer 模型搭建全解析小李子-_-2 天前
生成对抗网络（Generative adversarial network——GAN）埃菲尔铁塔_CV算法2 天前
YOLO 模型的深度剖析及其在生物医药领域的创新应用程序员非鱼2 天前
（2025最新版）CUDA安装及环境配置