[发明专利]一种基于聚类分析的服装标准工时的数据挖掘方法

摘要

本发明公开了一种基于聚类分析的服装标准工时的数据挖掘方法，包括下列步骤：(1)数据采集：利用RFID生产系统实时记录每一个员工的工序工时，并构建数据仓库；(2)数据预处理：采用三倍标准差法去除数据集中的异常数据对象；(3)采用基于密度的K-means算法进行聚类，包括：①确定聚类数K的值和准则函数的收敛精度；②初始化聚类中心；③指派样本对象；④更新聚类中心；⑤检验是否满足收敛精度，若满足则完成聚类，否则重复步骤③至⑤直到满足收敛精度；(4)根据聚类结果把所有工时数据对象分为K类，对于每一类求其平均值，即为这一类的标准工时。本发明能自动生成标准工时，实现方便，成本低。

主权项

一种基于聚类分析的服装标准工时的数据挖掘方法，其特征在于，包括下列步骤：(1)数据采集：利用RFID生产系统实时记录每一个员工的工序工时，并构建数据仓库，数据仓库中的数据对象构成数据集；(2)数据预处理：采用三倍标准差法去除数据集中的异常数据对象；(3)采用基于密度的K‑means算法进行聚类，包括：①确定聚类数K的值和准则函数的收敛精度；②初始化聚类中心：从数据集中选取K个数据对象作为初始聚类中心；③指派样本对象：计算数据集中每一个数据对象到各聚类中心的距离，把数据对象指派给距离最小的类；④更新聚类中心：将每个类当前所拥有的所有数据对象的平均值，作为每个类的更新后的聚类中心；⑤检验是否满足收敛精度，若满足则完成聚类，否则重复步骤③至⑤直到满足收敛精度；(4)根据聚类结果把所有工时数据对象分为K类，对于每一类求其平均值，即为这一类的标准工时。