收录：
摘要：
本发明公开一种用于航班延误预测的基于选择性集成的CART增量学习分类方法。针对航班延误预测模型面对新的航班数据不能有效更新模型问题，以及集成分类器规模庞大影响预测性能的弊端。将CART决策树算法与Learn++增量学习框架结合，提出了I‑CART方法，实现了对于新数据的增量学习，高效更新预测模型；采用kappa系数作为基分类器投票权重，进一步降低分类错误率；探究基分类器间差异性与准确率关系，设计了两种针对集成分类器的选择方案VS(纵向划线法)与HS(横向划线法)，减小集成分类器规模。本发明能够提高航班延误预测模型对于新数据的学习效率及分类性能，提出的选择性集成方案能显著减小最终集成分类器的规模，提高航班延误预测分类器性能。
关键词：
通讯作者信息：
电子邮件地址：
