基于模糊层次数值型数据库发现一般化模糊关联规则

关联规则发现是数据挖掘研究领域中的重要内容之一,而以自然语言描述的模糊关联规则更符合人类的思维方式,在决策中占据重要作用。基于属性间通常还存着更高层次的抽象,即呈现出层次结构尤其是模糊层次结构这一事实,通过把经典的模糊理论与关联规则发现算法相结合,提出了在模糊层次结构下从数值型数据库中挖掘一般化模糊关联规则的相应算法。     

多维关联数据挖掘技术在远洋船舶调度中的应用

首先描述进行关联规则挖掘的步骤,将其运用到远洋船舶调度数据的深度挖掘中,将关联规则转换成用户感兴趣的属性类,然后根据所关心的属性不同,求出每个属性组合的维度,从而挖掘出其运输频繁的线路,最后通过例子说明本文算法更能满足用户的需求。     

大数据分析下的船舶调度方法研究

船舶分布状态数据为一组非线性组合的离散数据,采用大数据分析方法进行船舶调度,提高船舶分配的有效性,提出一种基于关联匹配的船舶分布状态数据聚类及船舶调度方法。对采集的船舶大数据进行模糊C均值聚类处理,根据船舶状态特征属性分布进行大数据环境下的关联规则挖掘,提取反映船舶属性的特征量,以提取的特征量进行关联匹配,实现船舶优化调度。仿真结果表明,采用该方法进行船舶调度能有效反映船舶的类别属性,提高船舶的分类管理和调度能力,从而提高船舶的运输效率。     

航迹点搁浅风险数据关联规则挖掘方法研究

随着海上航线的不断增多与海洋水文环境的不断变化,许多航迹点已存在搁浅风险不适合船舶航行。因此需要通过数据挖掘的方法对风险航迹点进行运算分析,但是传统的数据挖掘方法无法对无关联的航迹点进行风险的数据关联,由此导致数据挖掘数据结果的准确率下降,数据挖掘面有效数据计算量降低。对此提出航迹点搁浅风险数据关联规则挖掘方法研究。通过对航迹点风险数据的假设建模与风险数据的模糊计算,得到风险数据的关联规则,再通过对风险数据关联规则的分类挖掘计算与加权挖掘数据分析,最终得到准确的航迹点搁浅风险数据关联规则的数据结果。最后,通过引入海上实例数据对提出的方法进行仿真测试,证明设计的可行性。     

舰船网络入侵目标下检测效率与准确性的平衡问题解决

针对舰船网络入侵目标下入侵关键目标较多,当前方法无法兼顾效率与准确性的问题。从模糊关联规则的观点对入侵目标进行分类。降低检测数据维度,最大程度对不同检测部门分类,使其约简化,放弃推导入侵数据集属性的支持度与置信度,建立频繁项目集等步骤,而是结合舰船网络入侵目标在特征上差异较大这一条件,通过制定模糊关联规则,获得网内入侵数据的相似度,进行多次检测,降低检测过程中的开销成本。实验结果表明,该方法可以兼顾舰船网络入侵目标的检测效率与准确性分体,具备应用性。     

基于改进Apriori算法的船用柴油机装配工艺文件关联规则挖掘研究

柴油机作为船舶关键部件之一,其装配工艺设计的合理与否与船舶的整体性能直接相关。针对企业历史装配工艺文件不能充分为新机型装配任务发布时装配工艺设计提供支撑的问题,提出一个基于关联规则挖掘的柴油机装配工艺规则挖掘系统,该系统充分利用已有装配工艺文件,结合数据挖掘技术,对文件进行挖掘分析,建立装配规则库,为后续装配工艺智能设计提供数据支持。本文提出一种改进的Apriori算法,建立了关联规则挖掘的数学模型和基于自定义词典装配工艺文件分词算法,将分词处理过后的文件可以作为数据挖掘算法的输入,并在传统Apriori算法的基础上提出一种改进的Apriori算法,该算法核心思想是在对候选频繁事务集剪枝时,降低算法的时间复杂度,从而提高挖掘效率直到获得柴油机装配工艺文件中的关联规则。最后以某船厂的历史机型柴油机气缸盖装配工艺文件为例,验证了改进Apriori算法在挖掘柴油装配工艺文件关联规则时的可行性和有效性。     

基于FP-growth的前后部项约束关联规则改进算法

为解决项约束关联规则挖掘算法未考虑用户感兴趣的项属于规则前部还是后部,而导致生成大量冗余关联规则的问题,论文提出了一种基于FP-growth的前后部项约束关联规则挖掘算法,该算法先对用户感兴趣的规则前后部项进行标记,构成约束条件。然后对事务集进行筛选,压缩事务空间,简化FP-tree建立,最终挖掘出有效的频繁项集和关联规则。实验结果表明该算法与其他项约束关联规则算法相比,运行时间较低,减少了冗余关联规则的数量,且具有较好的规模增长性。     

关联规则在船舶变压器故障诊断中的应用

船舶变压器是船舶电力系统的主要组成部分,能够影响船舶安全行驶。本文着重研究关联规则在船舶变压器故障诊断中的应用,从关联规则挖掘、知识库存储以及规则聚类等方面详细的阐述基于关联规则的数据挖掘的实现过程,最后将本文算法应用于变压器故障诊断的仿真实验中。实验结果表明,本算法准确率高、可靠性强。     

基于关联规则的船舶故障数据自动分类方法

为了提高船舶故障诊断能力,需要进行故障数据的自动分类设计,提出基于关联规则的船舶故障数据自动分类方法。构建船舶故障数据的数据信息流模型,采用高维特征分组方法进行船舶故障数据的分组重构,采用分段线性检验方法进行船舶故障数据的统计特征分析,提取反映船舶故障类别属性的关联规则向量集,根据特征提取结果进行模糊聚类处理,实现船舶故障信息融合,结合自适应分组检测方法,实现船舶故障数据关联规则的自动分类。仿真结果表明,采用该方法进行船舶故障数据自动分类的自适应性较强,误分率较低,提高了船舶故障的诊断检测能力。     

面向动力监测数据挖掘的关联规则算法改进研究

动力监测采集的数据量巨大,蕴藏信息丰富;仅用于越限故障报警,蕴含知识(规则)未能合理挖掘和运用。为此,基于上三角矩阵改进了关联规则频繁项集算法,可精简候选项集,减少数据库遍历和扫描次数,提高规则挖掘效率,并应用于某动力监测数据的关联规则分析,实例验证了改进算法的可行性和有效性,为动力监测数据挖掘、提取关联规则提供了一有效技术途径。