基于增量学习思想的改进AdaBoost建模方法

被引：7

作者：

田慧欣

王安娜

机构：

[1] 天津工业大学电气工程与自动化学院

[2] 天津工业大学电工电能新技术天津重点实验室

[3] 东北大学信息科学与工程学院

来源：

控制与决策 | 2012年 / 27卷 / 09期

关键词：

软测量; AdaBoost; 增量学习; 极限学习机; 精炼炉;

D O I：

10.13195/j.cd.2012.09.155.tianhx.027

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

针对软测量建模的特点以及建模过程中存在的主要问题,提出了基于AdaBoost RT集成学习方法的软测量建模方法,并根据AdaBoost RT算法固有的不足和软测量模型在线更新所面临的困难,提出了自适应修改阈值φ和增添增量学习性能的改进方法,使用该建模方法对宝钢300t LF精炼炉建立钢水温度软测量模型,并使用实际生产数据对模型进行了检验,检验结果表明,该模型具有较好的预测精度,能够很好地实现在线更新。

引用

页码：1433 / 1436

页数：4

共 3 条

[1]

Steady State Heat Transfer of Ladle Furnace During Steel Production Process[J]. Unal Camdali,Murat.Tun. Journal of Iron and Steel Research(International). 2006(03)

[2] 折息递推PLS算法及其在橡胶混炼质量控制中的应用 [J].

宋凯 ;

王海清 ;

李平 .

化工学报, 2004, (06) :942-946

[3] A decision-theoretic generalization of on-line learning and an application to boosting [J].

Freund, Y ;

Schapire, RE .

JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) :119-139

← 1 →