10.16208/j.issn1000-7024.2017.10.042
基于集成LSSVM增量学习方法研究与应用
针对最小二乘支持向量机(LSSVM)模型在测量精度及泛化能力上的不足,及不能准确预测新工况数据的特点,提出基于集成LSSVM增量学习的模型.通过单个LSSVM模型的建立,构建集成LSSVM增量学习模型,在增量学习方法基础上加入样本判别规则,使模型能及时更新新工况数据.运用集成LSSVM增量学习模型与集成LSSVM模型对溶剂油分离过程的120号溶剂油流量数据进行预测分析,所提模型预测效果显著提高,验证了其有效性.
最小二乘支持向量机、集成模型、判别规则、增量学习、溶剂油分离过程
38
TP391(计算技术、计算机技术)
2017-12-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
2827-2831