基于关联混合推理的电气设备运行状态异常识别方法与流程

1.基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，包括：

2.根据权利要求1所述的基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，所述关联规则数据挖掘dlg算法包括：

3.根据权利要求2所述的基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，所述利用关联规则挖掘进行属性约简包括：i是描述运行状态异常的文字集合，其中的元素称为项，记d为异常之间的因果关系的集合，t是项的集合，并且对应每一个异常因果关系有惟一的标识，记作tid，设x是i中项的集合，如果那么称t包含x；一个关联规则是x＝>y的蕴涵式，这里并且x∩y＝φ。

4.根据权利要求3所述的基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，度量关联规则有三个指标，分别是支持度、置信度和相关度是指：关联规则x＝>y的支持度表示在因果集d中包含x∪y的元组所占的比例，关联规则x＝>y的置信度表示因果集d中包含x∪y的元组的数目和包含x的元组数目的比值，相关度是指x和y是正相关或负相关。

5.根据权利要求3所述的基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，所述最佳属性约简组合形成的约简决策表和关联规则交互式挖掘是指：利用基于关联图结构的dlg算法，通过减少事务数据库的扫描次数，进而减少关联混合推理过程的io代价，通过关联混合推理出的结果中每一个合理的关联规则都对应于含有一个属性的约简组合。

6.根据权利要求1所述的基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，所述利用关联规则挖掘发现隐藏在海量数据中的有关联关系有价值的数据模式包括：根据电气设备异常运行状态信息建立决策表输入数据库，形成数据源，作为关联规则挖掘处理的事务表，然后用dlg算法得到频繁项集，通过修改关联规则参数进行交互式挖掘，以确定合适的支持度阈值、置信度阈值和相关度阈值，依据提取出的强关联规则就能推理出电气设备运行状态异常的区域。

7.根据权利要求6所述的基于关联混合推理的电气设备运行状态异常识别方法，其特征在于，所述依据提取出的强关联规则就能推理出电气设备运行状态异常的区域包括：给定一组电气设备运行状态异常信息c＝{c1,c2,...cm}和运行状态异常区域s＝{sec1,sec2,...,secn}，异常识别关联规则是x＝>y的蕴含式，若算法实现得到的关联规则的表达式为{c1,c2,c3＝>sec2}，即说明由这些电气设备运行状态信息来识别得出的异常区域是sec2。