基于Apriori算法的混合型数据频繁项集挖掘算法

由于混合型数据同时涉及离散型和连续型属性,导致计算复杂度较高,为此提出面向混合型数据的频繁项集挖掘算法,以提高计算效率。利用Apriori算法分析事务数据库内各项集之间相互关联关系,通过最小支持度计算结果制定关联度规则,生成无向图。建立邻接矩阵,并分析事务数据库内项集在邻接矩阵中的所处位置。将无向图内事务数据全部存储至邻接矩阵中,快速生成频繁1-项集、频繁2-项集;结合项集之间的连接操作,实现频繁项集的挖掘。引入滤波算法对不同存储链路中频繁项集的滤波处理,提高数据挖精准度。实验结果表明,所提方法在频繁项集的挖掘过程中,内存占用较小,频繁项集挖掘效率较高,对数据挖掘技术的发展具有重大意义。

客户需求驱动的柔性产品平台模块化设计方法研究

针对模块化细分度不足,设计变更周期长,难以适应快速多变需求等问题展开分析,采用AHP层次分析法等手段开展需求分析、模块划分、模块识别等相关研究,提出零部件关联度规则和设计变更影响指数规则。采用零部件关联规则定量分析的方法建立零部件之间的关联矩阵,并采用最大树聚类算法进行聚类分析,依据相关评价指标获取最优阈值和模块划分结果。建立基于客户需求分析和模块变更的设计变更影响指数指标,实现柔性功能模块的识别,根据不同类别的功能模块的设计变更关系得到产品组成模块的设计逻辑,由此构建配置产品主结构。以起重机起升机构模块化配置设计应用实例验证零部件关联规则和设计变更影响指数规则在模块化设计中的有效性和可行性,为柔性产品平台的模块合理规划设计提供参考依据。