基于支持向量回归的增量建模方法.pdfVIP

th Proceedings of the 25 Chinese Control Conference 7-11 August, 2006, Harbin, Heilongjiang 基于支持向量回归的增量建模方法 王玲，穆志纯，郭辉 北京科技大学信息工程学院, 北京100083 E-mail: linda_gh@ 摘 要:本文针对生产实际中数据批量增加的情况，为了提高所建立的模型准确性和模型更新问题，提出了一种新 的基于支持向量回归的增量建模方法。此算法通过钢材力学性能预报建模的工业实例研究，结果表明，与传统的 支持向量机增量学习算法相比，此算法提高了模型的精度，具有良好的应用潜力。 提供论文的最终版本. 关键词:支持向量回归 批处理 增量学习 Incremental Modeling Method Based on Support Vector Regression Wang Ling Mu Zhi-Cun Guo Hui Information Engineering School, University of Science and Technology, Beijing 100083 E-mail: linda_gh@ Abstract: A new incremental modeling method based on support vector regression proposed to improve the model accuracy and update the model for the increasing batch data in the real work. The proposed method has been applied to a practical case of modeling prediction ability of mechanical property of steel materials. Comparing with the traditional support vector machine incremental learning algorithm, the obtained model results demonstrate this promising method improves the model accuracy. Key Words: support vector regression; batch processes; incremental learning 习。目前已有许多基于支持向量机的增量学习方法 1 引言(Introduction) [5～7]用于分类问题中，而回归问题相对研究较少。 本文讨论了一种新的基于支持向量回归的增量增量 支持向量机（support vector machines，SVM ） 建模方法，将其应用于钢材力学性能预报模型。由 是20世纪90年代由Vapnik等人提出的一种新的学习 于其在新的训练中充分利用了历史的训练结果，从 机[1][2]，是统计学习理论中的结构风险最小化思想 而显著地减少了后继训练的时间，同时提高了预测 在实际中的一种体现