[发明专利]一种基于关联规则树的轧钢产品质量的预测方法及系统

摘要

本发明提供一种基于关联规则树的轧钢产品质量的预测方法及系统，有助于提高规则匹配和质量预测的效率。所述方法包括对轧钢产品数据进行离散化，将离散化后的结果转化为布尔型数据矩阵，根据该矩阵确定关联规则，根据该关联规则构建关联规则树；将新的轧钢产品数据与所述关联规则树进行匹配，确定该新数据的质量类别。所述系统包括离散化单元，用于对轧钢产品数据进行离散化；第一确定单元，用于将离散化后的结果转化为布尔型数据矩阵，根据该矩阵确定关联规则；构建单元，用于根据该关联规则构建关联规则树；匹配单元，用于将新的轧钢产品数据与所述关联规则树进行匹配，确定该新数据的质量类别。本发明适用于关联规则挖掘技术领域。

主权项

一种基于关联规则树的轧钢产品质量的预测方法，其特征在于，包括：对轧钢产品数据进行归一化处理，并对处理后的数据进行离散化；将所述离散化后的结果转化为布尔型数据矩阵，根据所述布尔型数据矩阵确定关联规则；根据所述确定的关联规则构建具有分层结构的关联规则树；将新的轧钢产品数据与所述关联规则树中的节点及分支路径进行匹配，确定所述新的轧钢产品数据的质量类别；其中，所述对轧钢产品数据进行归一化处理，并对处理后的数据进行离散化包括：对轧钢产品数据进行归一化处理；对归一化处理后的轧钢产品数据进行自适应聚类分析，具体的，利用密度的模糊聚类算法对归一化处理后的轧钢产品数据的每一维度单独聚类，获取轧钢产品数据的每一维度的聚类结果；根据分析结果确定所述轧钢产品数据的离散化结果；其中，所述利用密度的模糊聚类算法对归一化处理后的轧钢产品数据的每一维度单独聚类，获取轧钢产品数据的每一维度的聚类结果包括：针对轧钢产品数据的每一维度执行S1‑S8，其中，S1、给聚类数k赋初值；S2、根据当前的聚类数确定邻域半径取值范围和邻域半径迭代的增量，令当前邻域半径等于邻域半径取值范围的最小值以及在当前聚类数条件下对邻域半径进行迭代，其中，所述邻域半径的取值范围Eps表示为：Eps∈[rmaxk,rmax]]]>所述邻域半径迭代增量△r表示为：Δr=rmax5]]>其中，rmax表示轧钢产品数据样本中相距最远的两个数据样本之间距离的一半，k表示聚类中心的数目；S3、统计轧钢产品数据的每个数据样本在邻域半径范围内相邻的数据样本数，所述数据样本数作为该数据样本的密度；首先将邻域半径范围内相邻的数据样本数最多的数据样本视为第一个聚类中心，共有k个聚类中心，第i1(i1＞1)个聚类中心表示为：vi1,k,lk(0)=xjp=argmax{Dj*countj};xjp∉S]]>其中，表示聚类数为k且第lk次迭代邻域半径时选出的第i1个聚类中心，表示已经选出的聚类中心集合，xjp表示第j个样本的第p维数据，Dj表示xjp与S集合中聚类中心的距离之和，countj表示第j个样本在邻域半径范围内相邻的数据样本数；S4、计算其余数据样本对这k个聚类中心的隶属度以及当前聚类结果的模糊聚类有效性指标；S5、根据所述邻域半径迭代增量扩大所述当前邻域半径，令Eps＝Eps+△r，其中表示邻域半径迭代增量，如果Eps<rmax，则令lk＝lk+1，根据新的邻域半径返回步骤S3再次聚类；否则计算聚类数为k时的聚类质量指标；S6、比较当前聚类数的聚类质量指标与前一聚类数的聚类质量指标，如果二者的绝对差值小于预设值，则停止对聚类数的迭代，并根据当前各个模糊聚类有效性指标最大值确定最佳聚类数和聚类中心，跳转到步骤S7；否则令聚类数加一，k＝k+1，返回步骤S2；S7、根据最佳聚类数，更新聚类中心和隶属度，直到聚类目标函数值J(m)满足|J(m‑1)‑J(m)|<ε；其中，聚类中心更新公式为：vi1,best(m)=Σk=1n(μi1,j,best(m-1))2xjpΣk=1n(μi1,j,best(m-1))2,i1=1,...kbest]]>隶属度更新公式为：μi1,j,best(m)=1Σi2=1k(d(vi1,best(m),xjp)d(vi2,best(m),xjp))2]]>其中，kbest是指模糊聚类有效性指标达到最大值时的聚类数，表示更新m次后得到的第i1个聚类中心，表示更新m‑1次后xjp对第i1个聚类中心的隶属度，J(m)表示更新m次后得到的聚类目标函数值，ε表示预设的阈值。