一种基于改进FP-Growth算法的动车组故障预测研究

作     者：张春 郭玉霞 ZHANG Chun;GUO Yuxia

作者机构：北京交通大学计算机与信息技术学院北京100044 

出 版 物：《铁路计算机应用》 (Railway Computer Application)

年 卷 期：2017年第26卷第12期

页      面：1-4页

学科分类：082304[工学-载运工具运用工程] 081203[工学-计算机应用技术] 08[工学] 080204[工学-车辆工程] 0835[工学-软件工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家"863"计划项目(2015AA043701) 中国铁路总公司科技开发计划重点课题(2015J006-C) 

主　　题：关联规则 FP-Growth算法 动车组 故障预测 

摘      要：动车组的故障预测和健康管理是目前的研究热点,其中,故障预测的关键是寻找动车组故障信息和状态信息之间的关联关系。频繁模式增长(FP-Growth)算法是关联规则挖掘中的经典算法之一,用来挖掘频繁项集。针对动车组故障数据提出了一种改进的FP-Growth(IFP-Growth,Improved FPGrowth)算法,采用先序遍历FP-tree的方法产生条件模式基。实验结果表明,IFP-Growth算法能够有效提高动车组故障数据挖掘的效率,并且能够有效地挖掘动车组故障信息和状态信息之间的关联关系。