数控机床故障诊断关联规则挖掘方法研究

基于历史维修数据挖掘故障模式与故障原因之间的关联规则,是进行数控机床故障诊断和预防性维修的重要过程。采用改进的频繁项集挖掘算法,研究数控机床故障诊断关联规则挖掘方法。在阐述关联规则相关概念和挖掘原理的基础上,构建了数控机床故障诊断关联规则挖掘概念模型;针对传统挖掘算法执行效率低且产生大量候选项集的不足,提出改进的频繁项集挖掘算法,并给出了算法流程;根据数控机床故障特点,计算频繁项集及其非空子集的支持度和置信度,生成故障诊断的关联规则。最后,以挖掘数控机床刀架系统故障模式与故障原因之间的关联规则为例,验证了所提理论和方法的有效性。     

基于可拓理论的数据挖掘在水轮机方案设计中的应用

针对大型水轮机方案设计复杂性的特点,建立了面向知识重用的有约束的基元可拓集,并基于基元的可拓性和可拓变换.探讨了基于可拓集合方法的数据挖掘技术实现;提出了一种改进的FP-growth关联规则算法对有约束的基元可拓集进行关联规则挖掘,并利用基元的相关性和蕴含性对已获得的关联规则进行拓展,获得更多有价值的知识.最后.通过大型水轮机选型方案设计实例进行了说明.     

Apriori算法在布尔型关联规则领域的应用

在数据挖掘中,关联规则挖掘发现大量事务项之间有趣的关联关系的研究是一个重要的课题.Apriori算法则是数据挖掘中,搜索关联规则频繁项目集最有影响的算法.本文通过一个实例对Apriori算法在布尔型关联规则领域的应用进行了探讨.根据Apriori算法实现了计算机程序的实例验证.     

基于约束的多维数据挖掘技术

从特定查询驱动的系统功能出发,讨论了面向多维数据挖掘的重点——五种约束,通过一个数据挖掘查询实例,进一步阐述了这些约束及所产生的关联规则,并用数据挖掘查询语言(DMQL)进行表达.介绍和讨论了关联规则的处理,在挖掘关联规则中,联合使用维/层约束和规则约束,能够带来高效的挖掘过程,一个规则约束如果能被较深地推入到分层结构里,进一步在当前提取层和较深层上挖掘,是非常有价值的.最后给出了运用本文思想的一种联机分析挖掘系统的结构,并对其组成、功能及特点进行了描述.     

复杂情况下的三维集装箱装载问题混合算法

对复杂情况下的三维集装箱问题进行了描述,其约束主要包括重心位置约束、单箱重量约束、摆放方位约束、卸货顺序约束和集装箱型号和数量约束。基于禁忌规则,提出了求解该问题的模拟退火算法。设计了货物的摆放规则和序列生成方式,采用4种邻域,根据邻域的不同,构造了3种禁忌表,根据问题的特点,在模拟退火算法抽样过程中加入了禁忌规则。本文介绍了算法的原理,给出了具有代表性算例试验结果并且进行了分析。试验结果表明所提出的混合算法对复杂情况下的集装箱三维装载问题的有效性。     

一种基于混合型结构优化算法——Apriori—Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法：Apriori—Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori—Mend算法运行速度比Apriori算法有明显的提高。     

一种基于混合型结构优化算法——Apriori-Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。     

基于事务—项目关联矩阵的频繁模式网络(FP-network)挖掘算法研究

针对目前关联规则挖掘FP-growth算法所存在的维护、更新困难的缺点,提出FP-network模型,将关联规则挖掘所需要的数据压缩到一个FP-network上。与原来的FP-tree模型相比,FP-network是无向图,将存储事务的规模扩大了;此外,通过定义事务—项目关联矩阵对此FP-network进行存储,在定义节点容量的基础上可以方便进行关联规则挖掘。实例表明,该FP-network关联规则挖掘算法不仅继承了FP-growth算法的优点,而且方便数据的维护和更新,从而提高了关联规则挖掘的效率。     

电子商务中关联推荐算法的应用研究

电子商务推荐系统是电商企业提高销售业绩,增加竞争力,有效保留住顾客采用的一种技术手段。该文根据淘宝交易数据,基于关联规则推荐的方法设计推荐系统。运用Apriori算法进行二项关联规则挖掘,用利润作为约束条件,实现商品的二项关联推荐,以缩短客户找到目标商品的路径。应用表明,在客户信息不完整的情况下关联推荐算法是一种可行的策略。     

基于改进关联规则的卸船机故障预测模型

为使桥式抓斗卸船机安全稳定运行,针对大量监测数据利用率低、故障诊断不及时等问题,提出了基于兴趣度关联规则的卸船机故障预测模型方法。采用传感器监测和时域分析方法获取卸船机运行参数空间,利用聚类离散算法将监测数据根据其属性值域离散为非线性聚类区间,获取卸船机关联规则组,提取状态数据关联维的权重系数,构建状态监测数据关联规则指向性特征约束函数模型,通过预测模型中关联规则状态的改变实现故障预测。实验结果表明,该方法能有效表征卸船机运行状态监测的关联内部特征信息,实现对卸船机故障类别的预测,降低卸船机故障发生的频率。     

改进的关联规则算法在数据挖掘中的探讨

数据挖掘技术在客户关系管理(CRM)中的有效运用可以从与客户有关的大量数据中挖掘出对企业经营决策有价值的知识和规则。本文根据数据挖掘中关联规则的性质以及钢铁企业的自身特点,在经典关联规则算法APriori算法的基础上提出了一种改进的算法,并利用该算法对数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。     

自动协商中的近似时态关联规则挖掘

针对协商过程的时态关联具有近似性的特点,提出了一种基于聚类的近似时态关联规则挖掘方法.该方法通过对特定关联模式的实例进行聚类,找到满足给定条件的时态关联规则,并给出规则中各属性取值以及关联间隔约束的有效范围.近似时态关联规则较一般的关联规则具有更强的灵活性和适应性,其对规则的描述更符合协商中的情况.     

一种模糊加权关联规则算法及其在流程工业中的应用

采用模糊加权关联规则对流程工业中的大量运行数据进行了分析。阐述了模糊理论和关联规则的内容和性质,在证明模糊关联规则也具有“频繁项集的所有非空子集也必须都是频繁的”基础上,借鉴加权关联规则算法的特点,提出了模糊加权关联规则Fuzzy_WedApriori算法流程,针对不同情况采用不同隶属函数对实际数据进行模糊化,根据此算法的步骤对模糊化的参数点进行处理,得到了有价值的模糊加权规则,为流程工业的生产优化提供了理论依据。     

变扰动强度下柔性装配作业车间调度性能分析

柔性装配作业车间是柔性作业车间的一类现实化扩展,其调度问题既要考虑复杂的加工路径柔性,还要考虑零件间的装配关联约束,以及由其带来的关联零件生产进度协同难题.首先给出了柔性装配作业车间调度问题的数学模型;然后考虑现实生产中普遍存在的随机扰动,采用了完全反应式与预测-反应式两类动态调度策略,并提出了相应的优先度规则算法和周...     

基于双重模糊模拟的直觉模糊向量关联规则挖掘

针对传统模糊关联规则挖掘方法在原始决策表和挖掘算法方面的不足,提出基于双重模糊模拟的直觉模糊向量关联规则挖掘方法。原始决策表方面,传统模糊关联规则挖掘在表达决策者犹豫程度及自然语言多维度属性方面存在不足,故采用直觉模糊集组成的直觉模糊向量作为基本元素构建原始决策表。考虑决策者惯用自然语言的特点,引入双重模糊思想对传统直觉模糊集进行改进,并采用模糊集表达犹豫度。挖掘算法方面,直觉模糊向量关联规则挖掘存在两个难点,一是由于原始决策表的基本元素为向量,维度较大,导致挖掘效率低;二是现有挖掘算法中使用规则支持度和置信度,无法集成直觉模糊集中决策者的犹豫度。由此,提出了双层关联规则挖掘方法框架。底层关联规则挖掘方法为顶层关联规则挖掘提供内部关联规则,通过两次关联规则挖掘降低原始决策表的维度。引入双重模糊向量表达直觉模糊集的犹豫度,以双重模糊变量的期望值估算关联规则的支持度,在关联规则挖掘过程集成了犹豫度。以裸眼3D片源设计与制作中画面布局的决策过程为例,验证了所提方法的可行性和有效性。     

基于多重遗传算法的中央空调能效优化

为提高中央空调制冷系统能效比,实现不同工况下最优能效比,提出一种基于多重遗传算法的中央空调制冷系统能效优化方法。该方法通过灰色关联度分析（GRA）筛选出对中央空调能效比影响较大的关键运行参数,利用神经网络建立关键运行参数与能效比间的能效预测模型,通过Apriori关联规则算法获取关键运行参数间的关联规则,将预测模型作为多重遗传算法的适应度函数,关联规则作为遗传算法种群进化的约束条件。分别采用多重遗传算法和传统遗传算法进行能效比优化,结果表明,多重遗传算法比传统遗传算法能效比平均提高了5.75%,优化效果明显。     

航空机械装备失效分析数据库及数据挖掘技术的应用

介绍了航空装备失效分析数据库以及知识发现和关联规则数据挖掘的基本概念和算法,分析了应用数据挖掘方法进行失效分析知识获取的必要性和可行性。结合400个典型失效分析案例,给出了获取失效模式规则知识的应用实例。分析表明：关联规则数据挖掘能够从大量失效数据信息中提取潜在的有用信息和知识,从而为失效分析提供决策支持。     

关联规则算法在卫星定位精度考核中的比较分析

卫星导航系统在役考核应用中,关联规则分析作为数据挖掘中一种有效的数据分析处理技术,可以总结内在规律知识,评估历史数据和当前各指标的关联关系。针对卫星导航系统在役考核中影响定位精确度的关联因素过于冗余和复杂的问题,通过Xgboost对12项相关指标重要性进行排序,筛选出与定位精度联系更为密切的指标进行分析。重点从挖掘规则的有效性和时效性两个方面进行对比分析,实验设置最小支持度为0.05,最小置信度为0.8。结果表明,挖掘范围无论是全指标集(全域)还是与定位精度相关程度更高的指标集(精简域),Apriori算法挖掘关联规则数量比FP-Growth算法挖掘的更多,但时效性明显不及。同时发现,在精简域两种算法得到的满足支持度和置信度且以定位精度为结论的规则完全相同,说明了两种方法的可用性和有效性,也从关联规则的角度为卫星导航系统在役考核的定位精度分析提供了参考。     

面向大批量定制的敏捷产品可重用方法研究

提出了一系列支持大批量定制敏捷产品设计单元的可重用规则，通过设计单元自律、演变、关联与一整套规则的紧密结合，将约束规则与设计单元构造大批量定制敏捷产品的过程相对应，使大批量定制敏捷产品设计单元的可重用过程反映设计意图；最后给出了面向大批量定制的敏捷产品可重用设计算法。     

基于数据挖掘的产品质量控制建模方法

在产品质量控制过程中,按统计学观点产品已发生的故障与元器件检测筛选之间存在某种内在的关系。为了有效地发现这些关联规则,建立了质量信息挖掘模型,它包括质量灰色预测挖掘算法和质量灰色关联—关联规则挖掘算法,目标是在质量信息数据库中发现所有置信度大于预定阈值的规则及预测产品质量将来发展趋势。按此模型,建立了面向产品质量信息生成的数据仓库和数据集市,设计了质量灰色预测挖掘模型和质量灰色关联—关联规则数据挖掘流程,并用电子元器件老炼筛选和故障模式归类规律两个算例,验证了算法的合理性。