动车组故障诊断知识挖掘中改进的并行频繁模式增长算法 improved parallel frequent pattern growth algorithm in emus fault diagnosis knowledge mining.pdfVIP

第22卷第10期 计算机集成制造系统 VoI．22No．10 2Ol 6年10月 ComputerIntegratedManufacturingSystems 0ct．2O16 DOI：10．13196／j．cims．2016．10．020 动车组故障诊断知识挖掘中改进的并行频繁 模式增长算法 周斌，徐文胜+ (北京交通大学机械与电子控制工程学院，北京 100044) 摘 要：针对动车组历史运维数据的知识挖掘问题，从有效利用动车组历史运维数据来指导动车组故障诊断 的角度出发，分析了现有并行频繁模式增长算法的实现形式和不足。结合动车组故障诊断的要求，提出利用局部 频繁模式树代替全局频繁模式树的数据挖掘算法。该算法在各主要步骤上均实现了并行处理，优化了局部频繁模 式树生成规则，对频繁模式的搜索策略进行了改进。改进后的算法大大提高了关联规则挖掘的效率，挖掘结果很 好地保留了故障信息与状态信息之间的