Capability of Control Chart Patterns Classifiers on Various Noise Levels

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

ไม่พบข้อมูลที่เกี่ยวข้อง

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Lavangnananda K., Khamchai S.

ผู้เผยแพร่: Elsevier

ปีที่เผยแพร่ (ค.ศ.): 2015

Volume number: 69

หน้าแรก: 26

หน้าสุดท้าย: 35

จำนวนหน้า: 10

นอก: 1877-0509

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84962821204&doi=10.1016%2fj.procs.2015.10.003&partnerID=40&md5=10ff58a63a62334b7380a1c0930a6d72

ภาษา: English-Great Britain (EN-GB)

ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์

บทคัดย่อ

Time Series Classification is one of the areas in data mining which receives some attention recently. Control Chart Patterns (CCPs) can be considered as time series. Monitoring and recognition of CCPs is also an importance process in manufacturing. This implies that ability to classify CCPs with high accuracy is essential. This study attempts to implement CCPs classifiers which are capable of dealing with CCPs with different level of noise. Extracting image processing statistical features is adopted as preprocessing technique. The work also investigates the effect of level of noise in classification. Three different types of techniques for implementing classifiers are selected, these are Decision Tree, Neural network and an evolutionary based program, known as Self-adjusting Association Rules Generator (SARG). It was found that SARG yielded the best performance among them. To date, this study is an attempt to classify particular model of CCPs with highest level of noise. ฉ 2015 The Authors.

คำสำคัญ

Features Extraction, SARG