用于航班延误预测的集成式增量学习算法
为持续高效地学习不断产生的航班运行信息,提高航班延误预测模型学习新到达数据的效率,采用集成学习思想,提出了一种基于分类与回归树(classification and regression tree,CART)的增量学习算法.首先,将CART算法与Learn++算法结合实现了增量分类与回归树(incremental classification and regression tree,I-CART)算法;然后,进一步分析了基分类器间的区别和与精确度的关系,使用选择性集成算法来提高I-CART算法预测速率;最后,将该算法应用到航班延误预测中,增量地学习航班动态运行信息.实验结果表明,该算法有效地提高了模型预测效果.
航班延误、分类与回归树(CART)算法、增量学习、集成学习、选择性集成、机器学习
46
U461;TP308(汽车工程)
国家自然科学基金资助项目61672505
2020-11-16（万方平台首次上网日期，不代表论文的发表时间）
共7页
1239-1245
