FP-Growth-DW算法在离散车间的数据挖掘分析

针对离散车间生产能耗数据多源异构,干扰因素间关联关系不易分析的问题,根据离散制造能耗机理分析结果构建多源能耗数据挖掘模型(Multi-source Energy-consumption Data-mining Model,MEDM),提出一种面向离散车间的频繁模式增长(Frequent Pattern Growth for Discrete Workshop,FP-Growth-DW)算法。首先,应用关联视图、分箱处理和多源异构统一编码方法,对离散车间多源异构海量数据进行预处理;然后,采用分区并行策略和3种剪枝技术优化候选项集以构建频繁模式树(FP-Tree),并提取强关联规则合并存储到规则库中。最后实例验证表明,该算法在离散车间多源异构数据挖掘分析上具有可行性和有效性,算法效率提升了68.8%。

资料为PDF文档格式.

本文档关键词:算法,离散,挖掘,车间,数据