一种基于邻接表的最大频繁项集挖掘算法

针对Apriori算法与FP-Growth算法在最大频繁项集挖掘过程中存在的运行低效、内存消耗大、难以适应稠密数据集的处理、影响大数据价值挖掘时效等问题,该文提出一种基于邻接表的最大频繁项集挖掘算法。该算法只需遍历数据库一次,同时用哈希表对邻接表进行辅助存储,减小了遍历的空间规模。理论分析与实验结果表明,该算法时间与空间复杂度较低,提高了最大频繁项集挖掘速率,尤其在处理稠密数据集时具有较好的优越性。     

新一代人工智能技术在输变电设备状态评估中的应用现状及展望北大核心CSCD

输变电设备是电网电安全的基石,对输变电设备进行监测并对其状态进行评估可提早发现其潜在隐患,避免事故扩大造成不必要的损失。新一代人工智能技术在输变电设备状态评估中的应用不断普及,对新一代人工智能关键技术及其在输变电设备状态评估中的应用现状进行整理、归纳及分析,并对未来发展趋势予以展望,有助于输变电设备状态评估领域的科研工作开展。首先,梳理新一代人工智能基本技术及高级应用,包括数据增强技术、图像检测及目标识别技术、自然语言处理技术、迁移学习技术以及强化学习技术等;然后,对新一代人工智能技术应用于输变电设备状态评估中的难点问题与优势所在进行了分析;在此基础上,概述新一代人工智能技术在输变电设备状态评估的应用场景,包括故障辨识技术、电力视觉技术及健康管理技术等;最后,对新一代人工智能技术在输变电设备状态评估中应用研究所面临挑战及发展趋势进行展望。