[发明专利]一种用于软测量建模的增量学习集成算法

权利要求书

1.用于软测量建模的增量学习集成算法其特征在于能够针对软测量的特点将多个弱回归算法进行集成，得到具有更高精度和增量学习性能的软测量模型。

2.权利要求1所述的用于软测量建模的增量学习集成算法，其特征还在于：在集成迭代过程中加入了误差判定值e₀，将误差与误差判定值进行比较，以判定学习机的好坏，对“坏”学习机进行抛弃或重新学习。

3.权利要求1所述的用于软测量建模的增量学习集成算法，其特征还在于：每次迭代时从数据集S_k中选取训练子集TR_t和测试子集TE_t(S_k＝TR_t+TE_t)，在计算误差时则考虑回归映射在所有数据上的误差，测试子集的加入将在迭代过程中提高算法的泛化能力。

4.权利要求1所述的用于软测量建模的增量学习集成算法，其特征还在于：算法着眼于那些未能获取到的信息，通过对权重w的更新(见说明书中表1)为算法增添了增量学习性能。更新后的权重用以计算下一次循环时用来确定训练集和测试集的D_t+1。对于那些信息较容易被回归模型(映射)获的数据，在下一次的迭代中将降低其被选中为训练集的概率；而信息获取较难的数据被选中为训练集的概率将增加。随着迭代的进行，回归模型(映射)中的信息量将不断增加，具有很强的新信息获取能力，即增量学习的能力。

5.权利要求1所述的用于软测量建模的增量学习集成算法，其特征还在于：当有新数据需要对软测量模型进行更新时，只需要进行一次学习，即将新数据作为S_k+1对模型进行学习，并同已有模型一起由式得到更新后的模型。