【摘要】：物料分選是將物料按照固定的標(biāo)準(zhǔn)或一定的要求分類成不同類別等級的產(chǎn)品或者不同的產(chǎn)品,以增加其使用價值來滿足消費、生產(chǎn)需要或便捷流通交易的價值增值過程,物料分選就是依據(jù)物料的分類特征將未分選物料歸納分類成相應(yīng)的目標(biāo)類。隨著各種各樣的物料分選測試技術(shù)和數(shù)據(jù)分類技術(shù)的完善,物料分選過程中的代價或成本的優(yōu)化愈來愈成為物料分選研究的一個重要內(nèi)容。 論文首先回顧了物料分類特征的測試技術(shù)和相關(guān)的分類算法,物料分選的經(jīng)濟效益分析表明物料分選過程中的測試成本和誤分類成本對物料分選的經(jīng)濟效益有直接和顯著影響,在此基礎(chǔ)上建立了物料分類優(yōu)化問題的數(shù)學(xué)模型,指出了物料分選優(yōu)化問題是在實現(xiàn)一定物料分選準(zhǔn)確率基礎(chǔ)上,綜合考慮測試成本和誤分類成本,進一步降低物料分選過程的費用,提高物料分選的經(jīng)濟效益。 綜合ID3、C4.5、EG2和C4.5CS算法的優(yōu)缺點,提出了EC4.5CS代價敏感學(xué)習(xí)算法,并詳細地設(shè)計了EC4.5CS算法中的增強型信息代價函數(shù)和相關(guān)參數(shù)的求解算法。最后,以蘋果分選為例,對基于EC4.5CS的物料分選優(yōu)化算法進行了數(shù)據(jù)實驗和驗證,其結(jié)果表明：基于EC4.5CS的物料分選總成本明顯好于未考慮代價的普通ID3分類算法；最后通過重采樣技術(shù),進一步提高了蘋果分選準(zhǔn)確率和降低了蘋果分選的代價。實驗的最終結(jié)果表明：基于EC4.5CS算法和1倍重采樣技術(shù),最終的蘋果分選總成本相比于ID3算法,成本降低幅度高達44.93%。 物料分選是產(chǎn)品質(zhì)量標(biāo)準(zhǔn)的關(guān)鍵性內(nèi)容,亦是產(chǎn)品產(chǎn)后加工、商品化轉(zhuǎn)變的一個核心環(huán)節(jié)；當(dāng)前我國在各個行業(yè)物料分選的實施范圍都不大,程度普遍較低,其主要原因在于物料的分選成本大于物料分選經(jīng)濟收益,通過本文的研究為物料分選過程的成本優(yōu)化提供一種研究思路,這對擴大我國物料分選的應(yīng)用范圍有積極促進作用。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F323.7;TP301.6
【圖文】：

2. 1分類問題概述2.1.1分類定義數(shù)據(jù)挖掘（DataMining)是從海量數(shù)據(jù)中獲取有用知識和價值的機器學(xué)習(xí)過程。在數(shù)據(jù)挖掘領(lǐng)域，分類（Classification)是其中的一種重要的數(shù)據(jù)分析形式，通過對已知類別數(shù)據(jù)樣本集的學(xué)習(xí)，發(fā)現(xiàn)數(shù)據(jù)的分類規(guī)則或分類器模型(Classier)，并以此來預(yù)測新樣本數(shù)據(jù)的類別。分類是在己知數(shù)據(jù)樣本集類標(biāo)號基礎(chǔ)上進行的，屬于有監(jiān)督的學(xué)習(xí)(Supervised Learning)，其核心思想就是通過對數(shù)據(jù)樣本集進行訓(xùn)練或“學(xué)習(xí)”分類規(guī)則，構(gòu)造分類器模型[45，46]。分類在金融、客戶價值分析、目標(biāo)營銷、醫(yī)療診斷和物料分選等領(lǐng)域有著廣泛的應(yīng)用。分類是一個由分類與測試組成的兩階段計算過程，在這個過程中，通常將待分類的數(shù)據(jù)樣本集分成訓(xùn)練樣本集（訓(xùn)練集）（Training Set)和測試樣本集（測試集）（TestingSet)。在分類階段，分類算法在訓(xùn)練集上通過學(xué)習(xí)建立分類器模型；在測試階段則是通過測試集來評價所建立的分類器模型的好壞，分類的計算過程如圖2. 1所示。

同步測試分選是指在物料分選過程中同層選擇某一個分類特征對全部待分選物料一次性測試完畢，到達目標(biāo)類別的物料進行歸類并予以標(biāo)識，圖3.1(a)顯示了物料在分類特征{4,4,4}下的同步測試分選，所采用的分類特征順序為4 4p骸猵�，每庚b擲嗵卣骶辛礁鍪糶勻≈擔(dān)鞲齜擲嗵卣韉氖糶勻≈悼紗油

本文編號：2786959