一种基于动态关联规则的设备故障信息挖掘方法技术
A method of mining equipment fault information based on dynamic association rules
The present invention provides a method for mining equipment fault information based on association rules, can reflect the dynamic association rule changes over time, the method comprises: obtaining the equipment maintenance information data set D; according to the appointment date of service will get the equipment maintenance information data set D is divided into n sub data sets D
【技术实现步骤摘要】
一种基于动态关联规则的设备故障信息挖掘方法
本专利技术涉及数据挖掘
，特别是指一种基于动态关联规则的设备故障信息挖掘方法。
技术介绍
在数据挖掘技术发展繁荣的大背景下，关联规则技术得到了蓬勃发展，关联规则挖掘的目的是为了从大量数据中发现项/变量之间的关联和相关关系。传统关联规则挖掘方法挖掘的关联规则能反映变量间的相互依赖关系，但是不能反映规则本身的变化规律。以挖掘故障信息数据库为例，传统的关联规则挖掘方法挖掘的关联规则能够发现数据库中不同设备、故障原因以及维修信息之间的联系，从而有利于找出设备、故障原因以及维修信息之间的联系，并根据设备确定最常见的故障原因等，但是，传统的关联规则挖掘方法没有考虑关联规则随着时间产生的变化的情况，认为挖掘的关联规则在数据库中是永恒有效的，没有考虑关联规则的变化。
技术实现思路
本专利技术要解决的技术问题是提供一种基于动态关联规则的设备故障信息挖掘方法，以解决现有技术所存在的没有考虑关联规则随着时间产生变化的问题。为解决上述技术问题，本专利技术实施例提供一种基于动态关联规则的设备故障信息挖掘方法，包括：获取设备故障维修信息数据集D；...
【技术保护点】
一种基于动态关联规则的设备故障信息挖掘方法，其特征在于，包括：获取设备故障维修信息数据集D；按照预约维修日期将获取的设备故障维修信息数据集D划分为n个子数据集D
【技术特征摘要】
1.一种基于动态关联规则的设备故障信息挖掘方法，其特征在于，包括：获取设备故障维修信息数据集D；按照预约维修日期将获取的设备故障维修信息数据集D划分为n个子数据集D1,D2,...,Dn，其中，D＝{D1,D2,...,Dn}；定义动态关联规则算法，其中，动态关联规则表示为：其中，A、B分别表示项集，SV表示支持度向量，CV表示置信度向量，s表示项集的支持度，c表示关联规则的置信度，表示动态关联规则的推理符号；按照定义的动态关联规则算法，对n个子数据集D1,D2,...,Dn进行动态关联规则挖掘，得到设备故障原因与维修措施之间的关联关系。2.根据权利要求1所述的基于动态关联规则的设备故障信息挖掘方法，其特征在于，所述获取设备故障维修信息数据集D包括：获取设备故障维修信息原始数据集；从获取的设备故障维修信息原始数据集中，获取目标属性数据；对获取的目标属性数据进行预处理，所述预处理包括：处理目标属性中的属性缺失值，属性格式不一致值和/或去掉冗余值。3.根据权利要求2所述的基于动态关联规则的设备故障信息挖掘方法，其特征在于，在对获取的目标属性数据进行预处理之后，所述方法还包括：对预处理后的对目标属性数据进行字符离散化，得到设备故障维修信息数据集D。4.根据权利要求1所述的基于动态关联规则的设备故障信息挖掘方法，其特征在于，所述动态关联规则的支持度向量SV表示为：其中，表示项集A∪B在子数据集Di中的支持度度量，st.表示约束条件，表示项集A∪B在子数据集Di中出现的频数，|Di|为子数据集Di中的记录数。5.根据权利要求1所述的基于动态关联规则的设备故障信息挖掘方法，其特征在于，所述动态关联规则的置信度向量CV表示为：其中，反映了项集A∪B在子数据集Di中的置信度度量，st.表示约束条件，为项集A∪B的SV中的第i个元素，为项集A的SV中的第i个元素。6.根据权利要求1所述的基于动态关联规则的设...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。