[发明专利]一种基于连铸坯缺陷分析的数据挖掘方法

摘要

本发明提供一种基于连铸坯缺陷分析的数据挖掘方法，将坯料的化学组成成分数据和坯料的生产工艺数据作为条件数据，将产品缺陷数据作为结果数据，应用Apriori基本思想，首先进行条件数据和结果数据的频繁项集发现，根据发现结果直接进行关联规则组合，根据条件数据和结果数据的频繁组合模式，计算支持度和置信度，支持度和置信度大于平均值的数据为保留数据，其余舍弃，最终得出产品缺陷结果与所述的条件数据的关联规则。避免了大量的冗余规则的出现，这种挖掘方法应用到连铸坯缺陷数据分析中，解决连铸坯生产实际中产品质量缺陷的原因分析的数据挖掘问题。

主权项

1.一种基于连铸坯缺陷分析的数据挖掘方法，其特征在于，包括以下步骤：步骤1、条件数据的预处理及频繁项集发现；1)所述的条件数据包括坯料的化学组成成分数据和坯料的生产工艺数据；2)所述的预处理的方法为：舍弃项目：若出现空缺数据，并且空缺数据占比全数据的10％以上，舍弃；奇异值处理：项目的记录数据中，定义最小值的数据10倍以上为奇异值，存在奇异值的数据记录舍弃；量化处理：最大值和最小值之差进行n等分，n>2，分成多个等级进行量化处理；3)将预处理后的数据进行统计，设定阈值，大于阈值的数据为保留数据，得出各条件数据的频繁一项集；步骤2、结果数据的预处理及频繁项集发现；1)所述的结果数据包括产品缺陷种类的统计数据；2)预处理方法与步骤1相同；3)将预处理后的数据进行统计，设定阈值，大于阈值的数据为保留数据，得出结果数据的频繁一项集；步骤3、组合条件数据的频繁模式：将步骤1得出的条件数据的频繁一项集进行组合，计算平均频次阈值，高于平均频次阈值的为保留数据，其余舍弃，得出条件数据的最频繁模式；步骤4、组合结果数据的频繁模式：将步骤2得出的结果数据的频繁一项集进行组合，得出结果数据的频繁模式；步骤5、关联规则的发现：根据条件数据和结果数据的频繁组合模式，计算支持度和置信度，支持度和置信度大于平均值的数据为保留数据，其余舍弃，最终得出产品缺陷结果与所述的条件数据的关联规则。