孤立点用户意义分析在质量管理中的应用

计算机应用 ›› 2009, Vol. 29 ›› Issue (11): 3077-3079.

孤立点用户意义分析在质量管理中的应用

王越¹,刘亚辉²,徐传运¹

1. 重庆理工大学
2. 重庆理工大学计算机软件及应用研究所；重庆邮电大学计算机科学与技术学院

收稿日期:2009-05-22 修回日期:2009-07-10 发布日期:2009-11-26 出版日期:2009-11-01
通讯作者: 刘亚辉
基金资助:
重庆市科技攻关资金资助项目;重庆市科技攻关资金资助项目

Application of outlier customer meaning analysis in quality management

Yue WANG,Ya-hui LIU,Chuan-yun XU

Received:2009-05-22 Revised:2009-07-10 Online:2009-11-26 Published:2009-11-01
Contact: Ya-hui LIU

摘要/Abstract

摘要： 现存有关孤立点分析的研究很少解释识别出的孤立点的用户意义，而孤立点通常都包含着重要的信息，在许多应用领域中对于孤立点意义的解释和孤立点本身同等重要。因此，给出孤立点用户意义的定义，并提出一种基于距离和的孤立点用户意义分析算法（DSCM），对每一孤立点给出相应的解释，以帮助用户更好地理解孤立数据。应用到质量管理中的结果表明，该算法是有效的和实用的，且易用性较强。

关键词: 孤立点, 用户意义, 距离和, 质量管理, 数据挖掘

Abstract: The customer meaning for outlier explanation is rarely provided in the current studies. The outliers usually contain important information, and for many applications, the explanations are as important to the user as the outliers. A new definition of outlier customer meaning was given, and a new outlier customer meaning analysis algorithm named DSCM was put forward based on distance sum. The algorithm gave an explanation of every outlier, which improved the user’s understanding of the data. Then the algorithm was applied to quality management, and the results show that the algorithm is effective and practical, and more easy to use.

Key words: Outliers, Customer Meaning, Distance Sum, Quality Management, Data Mining

王越刘亚辉徐传运. 孤立点用户意义分析在质量管理中的应用[J]. 计算机应用, 2009, 29(11): 3077-3079.

Yue WANG Ya-hui LIU Chuan-yun XU. Application of outlier customer meaning analysis in quality management[J]. Journal of Computer Applications, 2009, 29(11): 3077-3079.

[1]	刘世泽, 秦艳君, 王晨星, 苏琳, 柯其学, 罗海勇, 孙艺, 王宝会. 基于深度残差长短记忆网络交通流量预测算法[J]. 计算机应用, 2021, 41(6): 1566-1572.
[2]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[3]	陈凯, 于彦伟, 赵金东, 宋鹏. 基于城市交通监控大数据的工作位置推理方法[J]. 计算机应用, 2021, 41(1): 177-184.
[4]	龙洋洋, 陈玉玲, 辛阳, 豆慧. 基于联盟区块链的安全能源交易方案[J]. 计算机应用, 2020, 40(6): 1668-1673.
[5]	徐周波, 杨健, 刘华东, 黄文文. 基于XGBoost与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机应用, 2020, 40(5): 1510-1514.
[6]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[7]	陈曦, 梅广, 张金金, 许维胜. 融合知识图谱和协同过滤的学生成绩预测方法[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 595-601.
[8]	马董, 陈红梅, 王丽珍, 肖清. 空间亚频繁co-location模式的主导特征挖掘[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 465-472.
[9]	李莎莎, 梁冬阳, 余杰, 纪斌, 马俊, 谭郁松, 吴庆波. 基于师门关系的研究团队挖掘算法[J]. 计算机应用, 2020, 40(11): 3198-3202.
[10]	孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳. 基于时间线段树的城市可达区域搜索[J]. 计算机应用, 2020, 40(10): 2936-2941.
[11]	李博, 张晓, 颜靖艺, 李可威, 李恒, 凌玉龙, 张勇. 基于值差度量和聚类优化的K最近邻算法在银行客户行为预测中的应用[J]. 计算机应用, 2019, 39(9): 2784-2788.
[12]	纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐. 基于城市交通大数据的车辆类别挖掘及应用分析[J]. 计算机应用, 2019, 39(5): 1343-1350.
[13]	叶志宇, 冯爱民, 高航. 基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测[J]. 计算机应用, 2019, 39(12): 3434-3439.
[14]	袁钟, 冯山. 基于邻域值差异度量的离群点检测算法[J]. 计算机应用, 2018, 38(7): 1905-1909.
[15]	陈辉, 蒋圭峰, 姜桂圆, 武继刚. 基于海量公交轨迹数据挖掘的地图匹配算法[J]. 计算机应用, 2018, 38(7): 1923-1928.