论文部分内容阅读
为了克服传统的阶段分泌物的限制，在描述一条河的动态特征当模特儿，非参量的回归的一个机器学习方法，局部地加权的回归方法被用来估计分泌物。以达到改进河分泌物评价的精确和效率，一个新奇机器学习方法被建议：簇树加权的回归方法。首先，训练例子被聚类。第二， k 近邻居方法被用来聚类新阶段样品进最好合适的簇。最后，每日的分泌物被估计。在评价过程，无关的信息的干扰能被避免，以便每日的分泌物评价的精确和效率被改进。来自 Luding 水文学车站的观察数据被用于测试。模拟结果证明这个方法的精确高。这为分泌物评价提供一个新有