[發明專利]一種用于軟測量建模的增量學習集成算法

無效

• 申請號: 201410333912.0
• 申請日: 2014-07-11
• 公開（公告）號: CN104102837A
• 公開（公告）日: 2014-10-15
• 發明（設計）人: 田慧欣
• 申請（專利權）人: 天津工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.用于軟測量建模的增量學習集成算法其特征在于能夠針對軟測量的特點將多個弱回歸算法進行集成，得到具有更高精度和增量學習性能的軟測量模型。

2.權利要求1所述的用于軟測量建模的增量學習集成算法，其特征還在于：在集成迭代過程中加入了誤差判定值e₀，將誤差與誤差判定值進行比較，以判定學習機的好壞，對“壞”學習機進行拋棄或重新學習。

3.權利要求1所述的用于軟測量建模的增量學習集成算法，其特征還在于：每次迭代時從數據集S_k中選取訓練子集TR_t和測試子集TE_t(S_k＝TR_t+TE_t)，在計算誤差時則考慮回歸映射在所有數據上的誤差，測試子集的加入將在迭代過程中提高算法的泛化能力。

4.權利要求1所述的用于軟測量建模的增量學習集成算法，其特征還在于：算法著眼于那些未能獲取到的信息，通過對權重w的更新(見說明書中表1)為算法增添了增量學習性能。更新后的權重用以計算下一次循環時用來確定訓練集和測試集的D_t+1。對于那些信息較容易被回歸模型(映射)獲的數據，在下一次的迭代中將降低其被選中為訓練集的概率；而信息獲取較難的數據被選中為訓練集的概率將增加。隨著迭代的進行，回歸模型(映射)中的信息量將不斷增加，具有很強的新信息獲取能力，即增量學習的能力。

5.權利要求1所述的用于軟測量建模的增量學習集成算法，其特征還在于：當有新數據需要對軟測量模型進行更新時，只需要進行一次學習，即將新數據作為S_k+1對模型進行學習，并同已有模型一起由式得到更新后的模型。