基于模糊规则库Fine-Kinney方法的沿海水域碰撞事故人为失误风险分析

引入模糊规则库和传统Fine-Kinney理论相结合的方法对沿海水域碰撞事故人为失误风险进行分析.根据各因子对沿海水域碰撞事故贡献度的分层结果,贡献度值随着管理规定的细化程度降低和船员判断难易程度提高而增加.利用A priority算法对浙江沿海2005—2014年424起海上事故样本进行关联规则挖掘,筛选碰撞事故为前项且人为失误为后项关联规则.利用统计学软件对该方法求出的各因子贡献度值与关联规则中置信度值进行比对分析,证明该方法分析结果基本符合实际情况,可用于海事风险分析研究.该方法首次应用于海事领域,可对单个风险因子进行独立评价.     

云计算环境下基于张量分解的缺失关联规则挖掘算法

针对云计算环境下由于数据缺失导致关联规则发现误差较高的问题,提出一种基于张量分解的缺失关联规则分布式发现算法,从而建模关联规则、缺失数据并近似它们的置信度.利用Apriori算法进行局部数据相关以获得频繁项集,通过CANDECOMP/PARAFAC (CP)分解方法分解张量置信度,使用共轭梯度算法进行迭代以最小化近似张量的成本,当存在缺失数据的情况下,利用分布式算法将局部相关与全局相关结合发现缺失关联规则.仿真结果显示,算法的平均误差仅为5.55％,最大误差不超过10％,低于其他几种较新的缺失关联规则算法,相比基于聚类的关联规则算法,平均执行时间减少了16.5％.结果表明,所提基于张量分解的分布式算法在缺失数据的情况下,性能优于其他的关联规则算法,能更加有效地提供缺失规则置信度的近似解.     

关联规则挖掘方法的改进

分析了关联规则的衡量标准,针对其中的缺点和不足,提出了一种匹配度方法用以取代置信度,并将匹配度方法生成的规则与支持度-置信度框架生成的规则进行了比较.结果表明:用匹配度方法生成的规则不仅前件和后件具有较高的相关性,而且减少了冗余规则的生成.     

基于正、负关联规则的数据挖掘探讨

传统的关联规则只关注于挖掘出项集间的正关联规则,但在实际应用中负关联规则同样隐含着有价值的信息.本文首先给出了正、负关联规则的定义及支持度和置信度的函数表示,重点分析了关联规则中"支持度—置信度"架构的局限性,提出了利用项集的相关性来解决关联规则中正、负矛盾规则出现的问题,同时针对置信度的设置进行了研究分析,最后对负关联规则挖掘的算法进行了讨论,旨在为关联规则的研究奠定基础.     

基于多次学习和关联度的关联分类改进算法

基于支持度置信度框架的关联分类算法在生成规则时难以提出大量高质量规则,而且在一些数据集尤其是不平衡数据集上,部分训练实例未被产生的关联规则所覆盖,导致算法的分类准确率不高.基于以上问题提出了改进的关联分类的算法(Improved Algorithm based on Multiple learning and Correlation degree,IAMC).首先,在提取规则时,IAMC对训练集进行多次关联分类学习,尽量多地提出高质量的规则.其次,在生成规则时采用综合考虑了置信度,补类支持度的新度量关联度,以提高生成的规则的质量.最后,在关联分类规则提取后,对利用已有规则无法判断类别的和未被已有规则覆盖的训练实例用决策树方法再次提取规则,并加入到规则集中.实验结果表明,IAMC算法能提出更多高质量的规则,在多个UCI数据集上具有较高的分类准确率.     

提取有效规则的关联分类算法

针对关联分类算法产生的规则普遍存在分类器分类精度、效率低的问题,提出了一种提取有效规则的关联分类算法--ACDER算法.首先定义了剩余支持度和剩余置信度,然后通过计算规则剩余支持度和剩余置信度建立了分类器并进行剪枝,以达成对分类尽量少且最有效的规则构成分类器,确保分类器中不存在任何冗余规则和冲突规则.在8个数据集上的测试结果表明,所提算法的平均分类精度比关联规则算法提高了4.15%,而在所有数据源分类器上的规则数却减少了54%.     

基于组合模型的建筑触电事故人因失效分析

为探究触电事故人因关联性,提出一种基于决策试验和评价实验(DEMATEL)-解释结构模型(ISM)-网络层次分析(ANP)的组合模型,对人因失误事故进行失效分析,客观确定各人因影响因素的重要程度。利用认知可靠性和失误分析方法(CREAM)对2012-2021年的192起建筑触电事故进行人因提取并分类,通过关联规则挖掘确定影响因素之间的相关性,生成置信度矩阵,再利用DEMATE-ISM明晰影响因素之间的层级作用路径与网络结构,构建多级递阶结构模型,最后通过ANP对模型进行权重的确定。结果表明,具有较高权重的不完善的安全防护设施管理是根层影响因素,权重最高的决策失误、错过观察为表层直接影响因素,最易形成人因失误事故,必须对其进行严格把控,预防事故的发生。     

基于文本挖掘的物探作业事故分析方法

针对物探作业事故提出了一种基于文本挖掘(TM)的分析方法。首先,从人、机、环境、管理四方面分别对事故文本数据进行文本分析,通过筛选得到事故影响因素,并利用k-means聚类识别事故类型;以事故影响因素为前项,事故类型为后项构建多维物探作业事故数据模型,运用多维Apriori技术进行物探作业事故关联分析,得到事故影响因素与事故类型的强关联规则,并通过分析这些规则发掘各类事故的发生规律;最后,应用该方法对某物探公司野外作业事故数据进行分析及验证。研究结果表明,该方法能够加深对事故的认识,为物探作业安全管理提供科学的决策依据,在物探行业事故分析领域有着良好的应用前景。     

基于关联规则的道路交通事故多发点成因分析

分析道路交通事故成因有助于改善道路交通环境、减少道路交通事故的发生.近年来,关联规则模型及其扩展在道路交通事故多发点成因分析中使用广泛.然而,使用关联规则中传统的兴趣度度量方法和Apriori算法存在许多局限.在传统兴趣度度量方法和Apriori算法的基础上做出改进,使用频数分析法和改进的关联规则方法对事故多发点进行成...     

广义关联分析的蕴涵-约束框架及其挖掘算法

本文将所有基于事务和非基于事务的关联分析称为广义的关联分析.基于事务的关联分析主要依托支持度-置信度框架进行数据挖掘,而非基于事务的关联分析常采用参与度-条件概率框架.首先,在讨论强关联规则的正确性、可靠性和有趣性的基础上,提出了蕴涵-约束框架.其次,提出并论证了最小支持度mni_sup和最小置信度min_conf的合理取值范围,从而将最小置信度由支持度-置信度框架下的（0,1] 缩小为蕴涵-约束框架下的（0.5,1],最小支持度由（0,1] 缩小为（0,min_conf].第三,提出随机顶点极大团划分法,它能将非基于事务的关联分析转化为基于事务的关联分析,从而使广义关联分析问题整合成为基于事务的关联分析问题.第四,基于映射的概念,将约束划分为事前、事中和事后约束,从而形式化地解决了约束的应用及方法.第五,利用稠密维和稀疏维,提出了一种multi-knowledge tree 的树形存储结构,能在无论频繁项集是否满足向下闭合性质时都有效降低算法的空间复杂度;同时,在数据增加、删除、修改后能快速获取新的强关联规则.最后,大量实验验证了所提出理论和算法的效果和效率.     

Alarm Correlation Rules Generation Algorithm Based on Confidence Covered Value

In communication alarm correlation analysis,traditional association rules generation(ARG) algorithm usually has low efficiency and high error rate.This paper proposes an alarm correlation rules generation algorithm based on the confidence covered value.Confidence covered value method can judge whether a rule is redundant or not scientific After the rules that based on weighted frequent patterns(WFPs) generated,the association rules were deleted by the confidence covered value,in order to delete the redundant rules and keep the rules with more information.Experiments show that the alarm correlation rules generation algorithm based on the confidence covered value has higher efficiency than the traditional method,and can effectively remove redundant rules.Thus it is very suitable for telecommunication alarm association rules processing.     

基于关联规则算法的换流站SER事件集挖掘方法

为提高运维人员面对换流站生成的海量事件顺序记录(sequence events recorder,SER)数据的分析能力,提出一种基于关联规则算法的换流站SER事件组挖掘方法.首先利用原始SER事件特征筛选,建立换流站SER事件多维模型;进而利用关联规则算法FP-Growth算法进行数据挖掘与分析,得到换流站典型事件的...     

基于关联规则的广义药对最适合病证的挖掘方法

为了发现以中医病证为对象的方药配伍规律,提出了一种基于古代方剂文献、利用关联规则的知识发现方法.首先借助《普济方》数据库管理系统,遍历数据库中每个单一病证的强关联药对,然后再根据强关联药对出现病证的个数,来获得广义药对;在此基础上,以置信度和支持度作为判断指标,找到广义药对的最佳适应病证.最后通过中医理论补充说明了该方法的有效性.改变了过去许多研究中出现的最小支持度普遍偏小的缺点,从而在一定程度上提高了方法的实用性.     

汽车驾驶人可靠性量化方法

基于可靠性工程理论，提出了一种用“可靠度”表征驾驶人可靠性量化结果的方法．该方法由驾驶人反应时间推算差错率．并从驾驶人行为致因理论出发，为处于不同行车阶段的驾驶人筛选不同的可靠性影响因子．仿真结果表明，该量化方法不仅能统计分析驾驶人可靠度，还能描述可靠度与时间的变化关系．分析各影响因子和可靠度的关系．为安全行车提供可行建议．     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法.该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力.仿真结果表明,该预测方法能有效降低预测误差,与现有...     

非线性经济系统的预警方法

给出确定经济系统非线性相关的两个判据：（ａ）关联积分与关联维数;（ｂ）ＢＤＳ统计,提出非线性ＡＲＣＨ（自回归条件异方差）预警方法和具有ＡＲＣＨ特征的警限界定算法,并对我国宏观经济的统计数据序列作了实证分析,结果表明：预测的可靠性和拟合优度好;ＡＲＣＨ预警方法引入时变条件方差使预报的置信区间能够与经济时间序列的波动程度相适应,从而使预警限更准确地反映实际状况。     

基于改进FMEA的医疗器械人因可靠性评估与应用

针对失效模式与影响分析(FMEA)在医疗器械人因可靠性评估中存在的两个缺陷——风险因素的评价与权重分配问题,本文提出了一种结构化的医疗器械人因可靠性评估方法.本方法在改进的模糊集理论与有序加权几何平均(OWGA)算子基础上,引入情境参数优化了风险失误模式排序.通过将提出方法应用于实际医疗场景,验证了提出方法的有效性与可行性,并通过与传统FMEA的比较证明了本方法的优越性.所提方法解决了传统RPN数值重复问题与权重分配问题,降低了评价误差,有助于找到关键的失效模式,减少医疗不良事件的发生.     

一种关系数据库中基于云模型关联规则的提取

为了发现有效的关联规则，属性在比较高的水平被范化，允许相邻属性值或者语言项的重量．这种软划分可以映射人类的想法，同时使发现的知识鲁棒．利用云模型的理论与方法求解数量关联问题，给出了一种云关联规则的定义，并提出了基于云模型理论支持度和置信度的计算方法，最后提出了一种提取算法Cloud model A．这种方法较好地软化了数量属性论域的划分边界，从而使得挖掘出的云关联规则更容易被人理解。