基于改进的C4.5算法与LSTM神经网络的水产病害预测

发布时间：2022-01-20 06:22

　　传统的神经网络并不能做到长期记忆,存在"长期依赖"问题。但长短期记忆循环神经网络模型擅长处理可变长度的时间序列的数据输入,且网络具有自连接的隐层,可以有效解决长期依赖问题。标准BP神经网络算法收敛速度慢、局部极值、难以确定隐层数和隐层的节点个数。由于收集的水体数据中有许多属性相关性较大,如果将所有属性都用C4.5算法进行计算,则会造成一定的资源浪费,降低计算效率。而改进的C4.5算法则增加了去除相关性大的几个属性这一环节,从而有效地减少了不必要的计算。该文主要融合长短期记忆循环神经网络以及决策树两种算法,来进行水产养殖病害预测。 

【文章来源】：电脑知识与技术. 2020,16(08)

【文章页数】：2 页

【文章目录】：
1 C4.5-LSTM模型建立
    1.1 数据采集
    1.2 决策树的生成
        1.2.1 去除相关性大的属性
        1.2.2 分裂属性的选择
        1.2.3 剪枝
    1.3 数据处理
        1.3.1 数据标准化处理
        1.3.2 数据划分
    1.4 模型建立
2 总结


【参考文献】：
期刊论文
[1]基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法[J]. 于家斌,尚方方,王小艺,许继平,王立,张慧妍,郑蕾.  计算机应用. 2018(07)



本文编号：3598329