一种基于K-means的神经网络数据集回归预测算法

打开文本图片集

摘  要：在智能电网研究领域的高维数据回归分析和预测模型中，传统的统计学模型不能平衡不同维度之间信息价值，影响数据集的预测有效性。为解决上述问题，提出一种基于K-means的神经网络数据集回归预测算法。首先，在特征层面上，多层循环神经网络提取不同维度的数据特征并训练响应，然后，在算法层面上，通过K-means的分类器模型依照数据的维度特征分类并融合循环神经网络（Recurrent Neural Network，RNN）的特征响应，再对输出响应的数据集构建组合预测模型，从而提高预测算法的可靠性。（剩余11243字）