论文部分内容阅读
针对实时数据的在线处理问题，提出了一种基于Boosting的在线回归算法，通过对学习机适宜度置信区间的定义，建立了对概念漂移的实时判断方法，利用最新流入的数据块，及时对集成算法中的个体学习机进行逐一迭代更新，从而起到在线学习的效果。通过对标准数据库的数据建立仿真模型，验证这种在线回归算法可以与离线Boosting回归算法达到相似的精度，同时占用较少的存储记忆单元，提高学习速度，能够对学习机参数进行及时调整；该算法还可引入到工业生产中，对生产数据起到实时监控的作用。