基于多值属性Apriori算法的飞机IDG故障分析

为了更为高效地挖掘海量航空维修数据中隐含的信息,提升飞机故障分析能力及深度维修能力,通过轮廓系数K-means聚类和多值属性Apriori关联规则算法挖掘飞机IDG部件各故障因素之间的关联规则。首先,采集B737飞机故障维修数据,进行预处理并筛选出与IDG部件相关的故障数据信息;其次,利用K-means聚类和多值属性Apriori关联规则算法对IDG部件故障数据进行聚类分析和关联规则挖掘,得到主要故障现象及各因素之间的强关联规则,和传统Apriori算法对比,多值属性Apriori算法的运行时间更短、效率更高;最后,结合各组件工作机理对B737飞机IDG部件提出了相关预防性维修建议。

采用填充字符的频繁序列模式挖掘算法

具有固定通配符间隔的频繁序列模式挖掘算法应具有Apriori属性,从而保证在实际应用中能挖掘出有意义的长模式.而原有的问题定义集合存在一定的不足阻碍了该属性的实现.通过引入填充字符改变部分问题定义,解决原定义引起的一些极端性问题,并在模式挖掘过程中保证了完整性和有效性.将基于新定义集合提出的FSPM算法与基于原定义集合的MMP算法分别在DNA序列上进行实验,结果表明算法实现了Apriori属性.