排序方式: 共有2条查询结果,搜索用时 718 毫秒
1
1.
动车组的故障预测和健康管理是目前的研究热点,其中,故障预测的关键是寻找动车组故障信息和状态信息之间的关联关系。频繁模式增长(FP-Growth)算法是关联规则挖掘中的经典算法之一,用来挖掘频繁项集。针对动车组故障数据提出了一种改进的FP-Growth(IFP-Growth,Improved FP-Growth)算法,采用先序遍历FP-tree的方法产生条件模式基。实验结果表明,IFP-Growth算法能够有效提高动车组故障数据挖掘的效率,并且能够有效地挖掘动车组故障信息和状态信息之间的关联关系。 相似文献
2.
用金葡菌在两组大白鼠(共120只)腹股沟区造成污染或感染模型,在污染或感染环境下行股动、静脉显微吻合。观察吻合血管15d通畅情况。结果显示:在污染区经清创后,吻合小血管15d通畅率为动脉90.6%;静脉88.5%。感染区内小血管吻合15d通畅率明显下降;动脉29.1%;静脉43.3%。因而认为:在污染环境下尽早清创后,行小血管吻合对通畅率影响不大。在感染区内,则应避免同有炎症的小血管吻合。必要时,移植正常血管,跨过感染灶,在正常组织内行小血管吻合。 相似文献
1