基於模糊群集决策树应用於基於模糊群集决策树应用於离子植入机.PDF

基於模糊群集決策樹應用於基於模糊群集決策樹應用於離子植入機離子植入機故障偵測故障偵測 基於模糊群集決策樹應用於基於模糊群集決策樹應用於離子植入機離子植入機故障偵測故障偵測 洪士程 蕭宇良 朝陽科技大學資訊工程系 朝陽科技大學資訊工程系 e-mai l：schong@.tw e-mai l：s9727633@.tw 摘要摘要 1. 前言前言 摘要摘要 前言前言 目前存在幾種分類技術可處理連續性質屬 在本文中提出一個模糊群集決策樹 性的資料分類問題 ，例如類神經網路方法 (FCDT) ，應用於較多類別和 連續性質屬性的資 [1]-[2] ，最大值可能性方法[3]-[4] ，模糊集理論 料分類問題上 。FCDT 結合了分群演算法以及 為基礎的 方法[5]-[6] ，決策樹[7]–[8] ，等等。 決策樹C4.5 。所提出的分群演算法以可分離矩 其中 ，類神經網路方法可用來處理無規則分怖 陣和模糊規則為基礎得到分割屬性 ，利用這些 的資料 ，並且在使用彈性上佔有優勢，但耗費 分割屬性將資料分群至終端群集 。在終端群集 計算成本以及初始權重值的隨機設定容易造 裡，包含了超過一個以上的類別 ，將進一步以 成結果的差異 。最大值可能性方法廣泛應用在 C4.5 進行分類 。我們已成功地應用 FCDT 進行 只能獲得極少數感測資料的分類問題上 ，然而 離子植入機中正在運作的晶圓片的分類 測 當目標類別無法以統計模型充分描述時 ，便會 試，並和現有的商業軟體 See5和 CART 來比 降低了此方法的性能 。模糊集理論為基礎的方 較分類結果與計算時間 。結果顯示FCDT 比 法雖已經成功地應用在特徵分類問題上 ，不過 See5和 CART都具有較短的訓練時間 ，同時具 當類別的數量與屬性的數目變大時將提高計 有更高的分類準確度 。 算的複雜性 。 關鍵詞關鍵詞 ：分群演算法，決策樹，C4.5 ，模糊規 關鍵詞關鍵詞 決策樹主要設計做為非連續數值資料類別 則，離子植入機 。 的分類 。目前最被廣泛使用的分類演算法是基 於熵的決策樹演算法 ，例如ID3[9]和 C4.5[10] Abstract 決 策 樹 分 類 演 算 法 。 分 類 與 迴 歸 樹 (CART)[11]-[12]和 Quest(SLIQ)[13] 分類算法是 In this paper, we propose a fuzzy clustering 採用吉尼係數 (Gini index)作為生成二 元決策樹 decision tree (FCDT) for the classification 的分割依據 。C4.5對於連續性質屬性的資料是 problem with large number of classes and continuous attributes. The FCDT combines a 一個很可靠的分類技術 ，其優點是不須知道資 proposed clustering algorithm with the decision 料的分佈情形 。然而當類別數量與資料的筆數 tree C4.5.The p