지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 白埈杰
- 발행연도
- 2015
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
From the viewpoint of applications to manufacturing, data mining is a useful method to find the meaningful knowledge or information about states of processes. But the data from manufacturing processes usually have two characteristics which are multicollinearity and imbalance distribution of data. Two characteristics are main causes which make bias to classification rules and select wrong variables as important variables. In the paper, we propose a new data mining procedure to solve the problem. First, to determine candidate variables, we propose the multiple hypothesis test. Second, to make unbiased classification rules, we propose the decision tree learning method with different weights for each category of quality variable. The experimental result with a real PDP(Plasma display panel) manufacturing data shows that the proposed procedure can make better information than other data mining procedures.
목차
제 1 장 서 론 11.1 다중공선성에 의한 변수 선택 편의(Bias) 21.2 불균형분포에 의한 분류 성능 저하 5제 2 장 제안 절차와 방법 72.1 데이터 사전분석 92.2 다중 가설 검정 102.3 가중치 부여 의사결정트리 132.4 분류 성능 평가 15제 3 장 실험 및 결과 183.1 공정 소개와 데이터 설명 193.2 데이터 사전 분석 223.3 후보 변수 선택 243.4 분류 모델 구축 273.5 중요 변수와 규칙 선택 32제 4 장 결론 35[참고 문헌] 36
최근 본 자료
댓글(0)
0