断路器故障诊断系统中关联规则白Il提取.PDF

断路器故障诊断系统中关联规则白Il提取 杨琦，李卫国 (华北电力大学高电压与电磁兼容北京重点实验室，北京102206) ●摘要：关联规则应用于电力设备故障时，能很好的找出设备故障现象和故障类别之间的关联关系。本文利用FP● 增长算法求得频繁项集，以断路器故障为例，很好的说明了算法的执行情况，所得结果验证了方法的有效性。 关键词：数据挖掘；关联规则；FP算法；Apriori算法 中图分类号：’IM561；’I∞11文献标志码：A 文章编号：1673-7598(2008)0r7珈05—04 数据D是数据库事务的集合，其中每个事务陧项的 O引言 集合，使得r∈，。谢是一个项集，事务咆钔当且 仅当A∈死关联规则是AjB的蕴含式，其中Ac，。 目前．电力企业已经广泛的采用计算机自动化 曰c扫手且4n口=力。 软件对现场的各种设备进行监测。在日复一日的运 规则Aj曰在事务集D中成立。它具有支持度s 营中积累了大量的数据。而这些数据的背后隐藏了 uB的百分比，即 (support)，其中5是D中事务包含A 大量的设备状态的信息，如果对这些信息进行进一 型丝；宴婴×100％。它反映发现规则的有用性。 步的处理，挖掘出令人感兴趣的联系，对于实现断路 n…J 器故障的自动诊断有重要的意义。 规则AjB在事务集D中成立，它具有置信度c 关联规则的概念是数据库知识发现中的一个重 要概念。关联规则的挖掘能从数据库中不同事务间 B的百分比，即巫型尝×100％。置信度反映发现规 nUJ 发生的频率来得到它们之间相互关系。关联规则的 则的确定性。 挖掘第一步是找出频繁项集。频繁数据项或者大型 在给定的事务集D中。关联模式的挖掘就是从 数据项在事务数据库中比用户定义的出现频率要出 中发现满足用户或领域专家设定的最小支持度阈值 现的次数多。众所周知在大型数据库中挖掘频繁项 花费计算量．因而这也就成为关联规则研究的焦点 关联规则的挖掘主要由两步组成： 问题。这些在大型数据库中超出原有规则而实际存 itemset)：频繁 (1)找出所有频繁项集(frequent 在的规则将会导致很多不切实际的时间的消费。当 项集指项集出现的频繁性至少和预定义的最少支持 FP树存放在内存中。就可以直接从内存中提取频繁 计数一样，关联规则的总体性能由第一步决定。 项集．而不必重复扫描存放在硬盘上的数据。以断路 (2)由频繁项集产生强关联规则。 器故障为例．利用FP增长算法求得频繁项集，能够