论文部分内容阅读
预测模型中的样本存在一定的误差和孤立点，这种现象普遍存在于控制领域的预测过程中。而样本学习过程往往呈现出增量性、批量性和在线性3大特性，为了保证模型预测的精度并且使预测模型可以随着样本的增加而动态的更新，本文提出了一种基于支持向量机回归的批量样本的增量式在线学习算法（BIO）。算法通过对矫直钢板平直度进行预测并对建模的工业实例进行研究。结果表明：本算法不仅提高了模型的预测精度并且使模型具有实时在线更新的能力。