吴学辉

(运城学院 计算机科学与技术系,山西 运城 044000)

基于粗糙集的决策树在产品缺陷检测中的应用

吴学辉

(运城学院 计算机科学与技术系,山西 运城 044000)

将数据挖掘中的决策树与粗糙集理论进行了有机结合,提出了一种基于粗糙集技术的决策树构造算法,并将该算法应用于胶合板缺陷检测．通过粗糙集属性约简,找出造成胶合板缺陷的关键因素;再基于约简后的决策表,使用该决策树算法构建决策树,从而提取分类规则,指导决策过程．通过实验验证了,该算法可以有效对胶合板的缺陷进行检测．

粗糙集;决策树;属性约简

0 引言

当前,数据挖掘技术在许多领域得到广泛应用,如教育、零售业、医疗、保险、股票等．它可以从各行业积累的大量数据中发现隐藏的知识．数据挖掘中的决策树技术可以对数据进行分类,提取有用规则．粗糙集作为处理不完备信息的有效工具,已经广泛应用于知识发现、问题求解等领域[1，2]．粗糙集属性约简通过删除不相关或不重要的属性,简化原有系统．通过它可以对决策树分类属性进行约简,从而使构造的决策树模型简单,预测分类精度更高．

在胶合板生产过程中,胶合板在生产线上以2～3 m/s的速度运行,人工检测的时间非常短,大约只有1～2 s,更主要的是这种单调重复的工作容易引起工人的误分类,相关实验表明人工检测缺陷的准确率只有68%．为了减轻工人的检测负担,提高检测缺陷的准确率,采用自动检……