[发明专利]一种基于历史数据的印花质量影响因素分析方法

权利要求书

1.一种基于历史数据的印花质量影响因素分析方法，其特征在于，包括以下步骤：

(1)将印花原始数据按统一的标准进行存储；

(2)对集成到大数据平台的印花数据进行数据质量处理；

(3)对数据质量处理后的数据进行数据挖掘分析，找出印花质量的影响因素；

(4)对分析结果可视化展示并反馈。

2.根据权利要求1所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(1)中印花原始数据存储在分布式文件系统或数据仓库中，并使用Hadoop+Spark大数据分析平台，使用Spark作为计算引擎。

3.根据权利要求1所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(2)包括以下子步骤：

(21)读取原始印花数据，检测缺失值、异常值、特征值的异常情况；

(22)对原始数据进行基于个案剔除法的缺失值处理；

(23)对经过缺失值处理的数据进行基于箱型图的异常值处理；

(24)对经过异常值处理的数据进行基于皮尔逊相关系数的特征值选择；

(25)存储经过数据质量处理后的数据。

4.根据权利要求3所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(22)中的个案剔除法是指：判断一条记录是否缺失值大于2，若是，则删除该数据，若不是则使用数据集该属性的平均值填充。

5.根据权利要求3所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(23)中基于箱型图的异常值处理是指：通过计算数据集箱型图的边界，对新数据组剔除离群值，得到非离群数据组，之后，对异常数据组进行平均值替换得到目标数据。

6.根据权利要求3所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(24)中的基于皮尔逊相关系数的特征值选择是指：计算数据集各属性与印花质量属性之间的皮尔逊相关系数，选取系数大于0.65的属性作为新的数据集。

7.根据权利要求1所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(3)包括以下子步骤：

(31)读取数据质量处理好的印花数据，对其进行libsvm格式转换；

(32)使用基于预剪纸和后剪枝策略的决策树算法对转换格式后的数据进行训练；

(33)选取准确率最高、树的深度最低的决策树模型进行保存；

(34)对存储的决策树模型进行分析，分析过程分为两部分：一是选取分类结果为高质量印花的路径进行分析，找出工艺参数在何种条件下能生产出高质量的印花；二是观察决策树属性划分优先级，找出哪些工艺对印花质量影响最大；

(35)对数据挖掘分析后的结果按统一标准保存。

8.根据权利要求7所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(32)中基于预剪纸和后剪枝策略的决策树算法是指：通过设置决策树最大深度和信息增量的阈值，在训练过程及早停止树的生长防止决策树模型过度拟合；之后，对各深度的决策树模型的准确率进行计算，选取准确率最高、深度最低的模型作为最终输出模型。

9.根据权利要求1所述的基于历史数据的印花质量影响因素分析方法，其特征在于，所述步骤(4)具体为：以柱状图形式对印花质量影响因素按重要性进行排序，以条形图形式显示印花质量与影响因素之间的关系；将分析结果以报告形式反馈给企业。