极限学习机在广西宜州三化螟虫害预测中的应用

极限学习机(ELM)学习速度快且泛化性好,极易产生惟一最优解,适用于虫害预测。通过实情验证,在广西宜州三化螟虫害预测预报中,ELM预测精度较高,能够满足虫害预测对准确率和实时性的要求,可作为一种新的虫害预测方法。     

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理,再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力,可以满足预测的要求,因此,采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。     

基于模糊聚类的神经网络虫情预测研究

针对虫情预测的模糊性、相关性、非线性、实时性等特点，以及神经网络在小样本预测时泛化能力降低的问题，提出了一种基于模糊聚类的神经网络农作物虫情预测方法。仿真结果表明，该方法简单实用，能快速、准确预测虫情，特别在样本少及样本相关性较大的情况下，能取得较好效果。     

基于F检验的模糊聚类小额农贷信用风险预测

信用风险是贷款业务中的关键问题。对贷款农户的信用风险进行预测分析是搞好小额农贷业务的关键环节。笔者利用模糊聚类对农户进行软分类,并应用F检验找出合理分类,建立了小额农贷信用风险预测模型。实验表明使用该方法能取得较好的效果,具有良好的应用前景。