基于等价支持子集重要度的质量改进算法
提出一种基于等价支持子集的重要度计算方法(Support subset significant based on equivalence relation,S3ER)用于计算质量特性的重要度.S3ER算法首先定义条件属性值对决策属性值的支持度,并定义条件属性值的区分能力,通过计算条件属性值区分能力的均值,得到条件属性对决策属性的重要度.S3ER算法还能够预测未知样本类别,并获得决策属性的支持子集,通过对支持子集的分析抽取决策规则.试验对比KNN算法和带有权重的KNN算法的分类精度,验证S3ER算法所得属性重要度的有效性;对比S3ER算法、带有权重的KNN算法和C4.5算法在UCI数据库上5个分类数据集的分类精度,验证S3ER算法分类的有效性.将S3ER算法应用于某航空制造企业加工数据,得出该企业的重要质量特性的属性重要度、预测样本的质量结论,并抽取质量决策规则,以改进产品质量.
质量改进、属性重要度、支持子集、等价关系
50
TP391(计算技术、计算机技术)
国家自然科学基金资助项目51075337
2014-04-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
185-191