公开(公告)号：CN111260201B

公开(公告)日：2023-04-28

申请号：CN202010030606.5

申请日：2020-01-13

Applicant: 北京科技大学

Inventor： 何飞 ,  王立东 ,  胡宇星 ,  张志研

IPC: G06Q10/0639 ,  G06F18/214 ,  G06N20/00

Abstract: 本发明提供一种基于分层随机森林的变量重要性分析方法，包括以下步骤：获取待处理数据集，所述待处理数据集中的每个样本具有多个变量；对所述待处理数据集进行预处理，剔除异常样本和空值；对预处理后的数据集，将其中的变量按照加工工序进行分组；有放回随机抽样生成多个训练集，为每一个训练集建立分层决策树；将多棵分层决策树融合形成分层随机森林模型；利用Morris筛选法或Gini指数法结合分层随机森林模型进行变量重要性分析，生成变量重要性排序。本发明方法解决了现有技术中的常规质量建模方法不考虑多工序生产过程的问题，能够很好地体现多工序加工过程的先后作用，提高了模型的准确性和可解释性。

公开(公告)号：CN111260201A

公开(公告)日：2020-06-09

申请号：CN202010030606.5

申请日：2020-01-13

Applicant: 北京科技大学

Inventor： 何飞 ,  王立东 ,  胡宇星 ,  张志研

IPC: G06Q10/06 ,  G06K9/62

Abstract: 本发明提供一种基于分层随机森林的变量重要性分析方法，包括以下步骤：获取待处理数据集，所述待处理数据集中的每个样本具有多个变量；对所述待处理数据集进行预处理，剔除异常样本和空值；对预处理后的数据集，将其中的变量按照加工工序进行分组；有放回随机抽样生成多个训练集，为每一个训练集建立分层决策树；将多棵分层决策树融合形成分层随机森林模型；利用Morris筛选法或Gini指数法结合分层随机森林模型进行变量重要性分析，生成变量重要性排序。本发明方法解决了现有技术中的常规质量建模方法不考虑多工序生产过程的问题，能够很好地体现多工序加工过程的先后作用，提高了模型的准确性和可解释性。

公开(公告)号：CN111898903A

公开(公告)日：2020-11-06

申请号：CN202010739592.4

申请日：2020-07-28

Applicant: 北京科技大学

Inventor： 何飞 ,  王立东 ,  吕志民 ,  张志研

IPC: G06Q10/06 ,  G06K9/62

Abstract: 本发明公开了一种钢铁产品均匀性和综合质量评估方法及系统，该方法包括：获取待评估数据集；其中，每一批次包括多条温度曲线和多个质量指标；计算每一批次的温度曲线与规格区域的相对体积，以及每一批次温度曲线与目标温度值的相对距离；将相对体积和相对距离与对应批次数据中的质量指标组合，形成质量指标数据集并进行标准化处理，以消除量纲影响；计算每一批次与最优方案的相对接近程度，作为评价当前批次优劣的依据。本发明利用核密度估计的方法解决了非正态工艺数据的均匀性评估问题；将优劣解距离法分为训练和评估两个过程，从而给新批次一个客观的相似度作为多质量指标的综合评价指标。