基于优化的MsEclat算法的铁路机车事故故障关联规则挖掘

为从铁路机车大数据中挖掘出与机车事故故障有关的关联规则,提出1种优化的MsEclat算法。先提出改进的Eclat算法——MsEclat算法,构建最小支持度索引表,以各项目的支持度值为排序依据重新构建数据集,依据垂直挖掘思想获得针对不同项目的频繁项集,解决Eclat算法无法在多最小支持度情况下挖掘关联规则的缺陷;进一步改进得到优化的MsEclat算法,在融合布尔矩阵、并行计算编程模型MapReduce基础上,设计频繁项集挖掘步骤,提高算法在大数据分析场景下的执行效率。通过算法对比,验证MsEclat算法及其优化算法在多最小支持度关联规则挖掘方面的计算效率优势。最后,以某铁路局的机车运转养护大数据为例,采用优化的MsEclat算法,挖掘机车事故故障的关联规则。结果表明:该算法在6个分布式节点的情况下耗时3.945034 s,挖掘得到频繁项集156条,如运用故障高发的机车中,83.78%的概率会同时出现频次较多的行车安全装备问题等;形成相应关联规则后,可用于分析该局机车的事故故障发生情况及质量安全状态。