摘要
本发明公开了一种关联规则与智能体的大数据聚集性隐患判别方法及系统,对电力设备多源数据进行预处理;针对预处理后的电力设备多源数据,通过剪枝和扩展处理方式获得频繁项集;面向电力设备多源数据进行频繁项集的关联规则挖掘,确定不同数据的共同特征和关联规则;构建具有理解、记忆、决策的智能体,对共同特征和关联规则进行深度理解,结合电力规则知识进行推理分析,并进行人机交互得出聚集性隐患的分析结果。本发明通过分析关联中的潜在隐患,最终进行人机交互得出聚集性隐患的分析结果,整体提升聚集性隐患判别的可靠性、可解释性。
技术关键词
Apriori算法
面向电力设备
判别方法
连续监测数据
判别系统
故障特征量
拆分功能
记忆机制
文本
整体提升
判别模块
程序
数值
指标
决策
数据模块
系统为您推荐了相关专利信息
数据安全访问方法
节点标识符
分布式结构
高风险
分布特征
故障判别方法
信号特征
神经网络模型
一维卷积神经网络
特征提取方式
网络安全感知方法
Apriori算法
大数据
随机森林
决策树训练
多维特征向量
判别方法
像素点
血液
训练深度学习模型