检索结果-南通市图书馆

软件导刊 2020年第3期19卷 190-193页

作者：王慧敏龚庆悦胡孔法邵荣强陈燕南京中医药大学人工智能与信息技术学院江苏南京210023

为明确中医治疗抑郁症用药规律,融合Apriori优化算法与relim算法,采用数据挖掘技术进行分析。针对传统Apriori算法频繁扫描数据库从而生成大量候选项集的缺点,改变其原有剪枝方式以减少扫描次数。将改进后的Apriori算法与无需产生候选... 详细信息

为明确中医治疗抑郁症用药规律,融合Apriori优化算法与relim算法,采用数据挖掘技术进行分析。针对传统Apriori算法频繁扫描数据库从而生成大量候选项集的缺点,改变其原有剪枝方式以减少扫描次数。将改进后的Apriori算法与无需产生候选项集的relim算法就中医治疗抑郁症的方剂数据进行关联规则分析,并绘制两个算法时间效率图。结果发现,两种算法在挖掘药物频繁项集与关联规则的结果基本相同,通过分析发现,中医常以疏肝、理气、补肾、滋阴等药物为主治疗抑郁症。改进后的Apriori算法可降低数据库扫描次数,较传统Apriori算法运行效率有所提高,relim算法在空间利用率和时间执行率上均略优于改进后的Apriori算法。两种算法挖掘结果体现出中医治疗抑郁症注重疏肝理气、补肾滋阴、调理气血等特点。基于关联规则的方法可作为中医用药规律分析的重要工具。

关键词：关联规则 Apriori优化算法 relim算法抑郁症

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于轨迹数据的大规模路网交通拥挤时空关联规则挖掘

引用

系统仿真学报 2024年第1期36卷 260-271页

作者：周启帆刘海旭董志鹏徐银西南交通大学交通运输与物流学院四川成都611756 西南交通大学综合交通大数据应用技术国家工程实验室四川成都611756 西南交通大学综合交通运输智能化国家地方联合工程实验室四川成都610031 西南交通大学综合运输四川省重点实验室四川成都611756

提出了K近邻relim(K neighbor-relim,KNR)算法和时序K近邻relim(sequential KNbrrelim,SKNR)算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则。其中KNR算法在relim算法基础上拓展了空间拓扑约束,可高... 详细信息

提出了K近邻relim(K neighbor-relim,KNR)算法和时序K近邻relim(sequential KNbrrelim,SKNR)算法,利用大规模路网的车辆轨迹数据来挖掘路段拥挤关联规则和拥挤传播时空关联规则。其中KNR算法在relim算法基础上拓展了空间拓扑约束,可高效从大规模车辆轨迹数据集中挖掘路网中关联性拥挤易发路段,并量化这些路段间拥挤的关联性强度。而SKNR算法进一步以滑动窗口的形式拓展时间维度,可以挖掘出大规模路网中难以直接观测的拥挤传播现象,并追溯拥挤传播路径。以成都路网和车辆轨迹数据的挖掘结果对所提出的算法进行了说明和验证,结果表明了算法的有效性和鲁棒性。

关键词：数据挖掘关联规则拥挤传播轨迹数据 relim算法

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进关联规则挖掘的变压器油中溶解气体分析模型

引用

电力科学与技术学报 2022年第3期37卷 165-172页

作者：邓佳乐孙辰昊胡博岳一石易洲楠李绍龙国网四川省电力公司天府新区供电公司四川成都610213 长沙理工大学电气与信息工程学院湖南长沙410114 国网河南省电力公司河南郑州450000 国网湖南省电力有限公司长沙供电分公司湖南长沙410015 国网湖南省电力有限公司电力科学研究院湖南长沙410007

关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见... 详细信息

关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见高危数据纳入分析,从而有效应对现实应用过程中可能出现的极端状况;其次,直接基于输入特征量导致的故障风险而非特征量的数据占比或出现频率求解相应故障风险权重,能够更加准确地衡量各特征量所带来的影响;最后应用relim算法进行关联规则挖掘,从而改善挖掘效率。实例仿真结果表明,所提出方法相较采用固定重要度评估标准计算方式、传统风险权重求解方法以及Apriori关联规则挖掘算法的故障诊断方法,具有更好的诊断准确率、实际可行性以及运算效率。

关键词：变压器故障油中溶解气体分析加权关联规则挖掘组件重要度测量 relim算法

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于事务拆分的超团挖掘算法

引用

计算机工程 2009年第20期35卷 62-65页

作者：卓鹏肖波蔺志青北京邮电大学电信工程学院北京100876

为发现处在低支持度下的潜在有趣模式,针对传统基于支持度策略的模式发现算法存在的问题,提出一种基于改进relim算法的超团模式挖掘算法,将一个事务拆分为2个或多个事务,把相同事务进行压缩,并用relim算法的思想进行超团模式挖掘。仿真... 详细信息

为发现处在低支持度下的潜在有趣模式,针对传统基于支持度策略的模式发现算法存在的问题,提出一种基于改进relim算法的超团模式挖掘算法,将一个事务拆分为2个或多个事务,把相同事务进行压缩,并用relim算法的思想进行超团模式挖掘。仿真实验结果表明,该算法能有效提高超团模式的挖掘效率。

关键词：数据挖掘关联规则超团模式事务拆分 relim算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融入故障诊断技术的监控设备状态监测平台的研究和实现

融入故障诊断技术的监控设备状态监测平台的研究和实现

引用

作者：王炜俊华侨大学

学位级别：硕士

过去几十年,随着各种监控设备的数量激增,设备的故障问题日渐严重,故障诊断技术越来越受到人们的重视。与此同时,监控设备生成的数据量也在急剧增长,如何从这些数据中获取有价值的信息,已成为故障诊断领域的研究热点。另一方面,在实际中... 详细信息

过去几十年,随着各种监控设备的数量激增,设备的故障问题日渐严重,故障诊断技术越来越受到人们的重视。与此同时,监控设备生成的数据量也在急剧增长,如何从这些数据中获取有价值的信息,已成为故障诊断领域的研究热点。另一方面,在实际中,监控设备运维费时费力的问题给企业带来巨大困扰。针对监控设备运维难度大、故障难处理等问题,通过实际调研,本文设计开发了一个监控设备状态监测平台,对监控设备进行高效率的运维管理,并且针对平台在管理监控设备过程中出现的故障问题进行研究,利用平台采集的监控设备数据,提出相应的解决方法,改善平台体验。论文主要工作有:(1)使用relim算法对监控设备状态监测数据进行挖掘,生成监控设备的故障关联规则,对监控设备故障进行分析。监控设备数据具有模式长且数据量大的特点,基本的relim算法不能很好的解决当前问题,因此,引入超团模式并且提出频繁项集分解的方法。实验表明,改进后的relim算法能提高对监控设备状态数据的挖掘效率,提升性能。(2)为了能更精确地预测监控设备故障,建立了基于LSTM神经网络的监控设备故障预测模型。在提取监控设备时间序列数据的特征的过程中,发现监控设备的故障类型众多,训练过程中有多种参数,手动调参数比较复杂,因此引入优化后的人工蜂群算法对LSTM模型进行参数调优。通过对故障预测模型的训练,使得模型在面对不同采集频率,不同故障类型的数据时,故障预测率可达到96.6%。实验证明改进后的LSTM故障预测模型能很好的应用在系统中。(3)使用Spring MVC+Rabbit MQ+***技术设计并搭建了一个通用监控设备状态检测系统,并且将两种故障诊断方法融入到系统中,在系统上实现故障诊断技术,解决监控设备的故障问题。最后,对系统的功能和性能进行了测试,结果表明平台对监控设备运维管理的高效性。

关键词：监控设备状态检测平台故障诊断 relim算法故障预测 LSTM神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：