一種低電壓指標(biāo)特性研究方法及終端與流程
1.本發(fā)明涉及配電網(wǎng)數(shù)據(jù)分析領(lǐng)域，尤其涉及一種低電壓指標(biāo)特性研究方法及終端。
背景技術(shù)：
2.科技發(fā)展日新月異，“云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能”等新一代信息技術(shù)也得到越來(lái)越廣泛和深入的推廣與應(yīng)用。其中，大數(shù)據(jù)分析在各行各業(yè)都發(fā)揮著重要的作用。在配電網(wǎng)中，通過(guò)大數(shù)據(jù)分析，能夠?yàn)榕潆娋W(wǎng)規(guī)劃工作服務(wù)，通過(guò)對(duì)配電網(wǎng)規(guī)劃海量數(shù)據(jù)的分析應(yīng)用，能夠?qū)崿F(xiàn)對(duì)規(guī)劃數(shù)據(jù)的深層次應(yīng)用，從而提升電網(wǎng)規(guī)劃水平，為配電網(wǎng)規(guī)劃建設(shè)提供有力支撐。
3.其中，在配電網(wǎng)規(guī)劃中，基于采集梳理的配電網(wǎng)現(xiàn)狀數(shù)據(jù)，應(yīng)用建立的數(shù)據(jù)挖掘分析算法模型，開(kāi)展配電網(wǎng)現(xiàn)狀數(shù)據(jù)的特征關(guān)聯(lián)分析，挖掘配電網(wǎng)中不同指標(biāo)之間的關(guān)聯(lián)關(guān)系、影響程度等信息，為配電網(wǎng)規(guī)劃提供基礎(chǔ)支撐，是現(xiàn)代配電網(wǎng)大數(shù)據(jù)分析的常見(jiàn)分析方式。然而，現(xiàn)有的配電網(wǎng)數(shù)據(jù)分析中，所建立的數(shù)據(jù)挖掘分析模型往往精細(xì)度不夠，從而導(dǎo)致分析結(jié)果不夠準(zhǔn)確，或者所建立的數(shù)據(jù)挖掘分析模型數(shù)據(jù)量處理大且繁瑣，從而導(dǎo)致數(shù)據(jù)分析效率低。
技術(shù)實(shí)現(xiàn)要素：
4.本發(fā)明所要解決的技術(shù)問(wèn)題是：提供一種低電壓指標(biāo)特性研究方法及終端，保證了低電壓指標(biāo)關(guān)聯(lián)分析的準(zhǔn)確性以及效率性。
5.為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的一種技術(shù)方案為：
6.一種低電壓指標(biāo)特性研究方法，包括步驟：
7.s1、接收待分析的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)；
8.s2、根據(jù)所述指標(biāo)項(xiàng)從數(shù)據(jù)集中搜索出所有包含所述指標(biāo)項(xiàng)的項(xiàng)目，構(gòu)成項(xiàng)目集；
9.s3、確定所述項(xiàng)目集中每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)，根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，構(gòu)成拆分后的項(xiàng)目集；
10.s4、根據(jù)所述拆分后的項(xiàng)目集采用改進(jìn)的apriori算法確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)，在所述改進(jìn)的apriori算法中先根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再在對(duì)所述拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算。
11.為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的另一種技術(shù)方案為：
12.一種低電壓指標(biāo)特性研究終端，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如下步驟：
13.s1、接收待分析的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)；
14.s2、根據(jù)所述指標(biāo)項(xiàng)從數(shù)據(jù)集中搜索出所有包含所述指標(biāo)項(xiàng)的項(xiàng)目，構(gòu)成項(xiàng)目集；
15.s3、確定所述項(xiàng)目集中每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)，根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一
個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，構(gòu)成拆分后的項(xiàng)目集；
16.s4、根據(jù)所述拆分后的項(xiàng)目集采用改進(jìn)的apriori算法確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)，在所述改進(jìn)的apriori算法中先根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再在對(duì)所述拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算。
17.本發(fā)明的有益效果在于：在確定與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)時(shí)，鑒于與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)為具有數(shù)值范圍的指標(biāo)數(shù)據(jù)，先對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，細(xì)化了進(jìn)行數(shù)據(jù)分析的顆粒度，能夠提高所確定出的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)的準(zhǔn)確度，而由于對(duì)指標(biāo)數(shù)據(jù)的拆分會(huì)導(dǎo)致指標(biāo)數(shù)據(jù)項(xiàng)的增加，因此適應(yīng)性地對(duì)apriori算法進(jìn)行改進(jìn)，先根據(jù)拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再對(duì)拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算，即在一次的掃描過(guò)程中即對(duì)所有的候選項(xiàng)集進(jìn)行支持度的計(jì)算，邊掃描邊對(duì)所有可能的候選項(xiàng)集進(jìn)行支持度計(jì)算，減少了掃描次數(shù)，從而彌補(bǔ)了由于指標(biāo)數(shù)據(jù)項(xiàng)的增加導(dǎo)致的數(shù)據(jù)計(jì)算復(fù)雜度增大的問(wèn)題，提高了數(shù)據(jù)分析的效率，通過(guò)數(shù)據(jù)拆分以及適應(yīng)性的掃描次數(shù)的減少保證了低電壓指標(biāo)關(guān)聯(lián)分析的準(zhǔn)確性以及效率性。
附圖說(shuō)明
18.圖1為本發(fā)明實(shí)施例的一種低電壓指標(biāo)特性研究方法的步驟流程圖；
19.圖2為本發(fā)明實(shí)施例的一種低電壓指標(biāo)特性研究終端的結(jié)構(gòu)示意圖。
具體實(shí)施方式
20.為詳細(xì)說(shuō)明本發(fā)明的技術(shù)內(nèi)容、所實(shí)現(xiàn)目的及效果，以下結(jié)合實(shí)施方式并配合附圖予以說(shuō)明。
21.請(qǐng)參照?qǐng)D1，一種低電壓指標(biāo)特性研究方法，包括步驟：
22.s1、接收待分析的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)；
23.s2、根據(jù)所述指標(biāo)項(xiàng)從數(shù)據(jù)集中搜索出所有包含所述指標(biāo)項(xiàng)的項(xiàng)目，構(gòu)成項(xiàng)目集；
24.s3、確定所述項(xiàng)目集中每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)，根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，構(gòu)成拆分后的項(xiàng)目集；
25.s4、根據(jù)所述拆分后的項(xiàng)目集采用改進(jìn)的apriori算法確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)，在所述改進(jìn)的apriori算法中先根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再在對(duì)所述拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算。
26.由上述描述可知，本發(fā)明的有益效果在于：在確定與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)時(shí)，鑒于與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)為具有數(shù)值范圍的指標(biāo)數(shù)據(jù)，先對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，細(xì)化了進(jìn)行數(shù)據(jù)分析的顆粒度，能夠提高所確定出的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)的準(zhǔn)確度，而由于對(duì)指標(biāo)數(shù)據(jù)的拆分會(huì)導(dǎo)致指標(biāo)數(shù)據(jù)項(xiàng)的增加，因此適應(yīng)性地對(duì)apriori算法進(jìn)行改進(jìn)，先根據(jù)拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再對(duì)拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算，即在一次的掃描過(guò)程中即對(duì)所有的候選項(xiàng)集進(jìn)行支持度的計(jì)算，邊掃描邊對(duì)所有
可能的候選項(xiàng)集進(jìn)行支持度計(jì)算，減少了掃描次數(shù)，從而彌補(bǔ)了由于指標(biāo)數(shù)據(jù)項(xiàng)的增加導(dǎo)致的數(shù)據(jù)計(jì)算復(fù)雜度增大的問(wèn)題，提高了數(shù)據(jù)分析的效率，通過(guò)數(shù)據(jù)拆分以及適應(yīng)性的掃描次數(shù)的減少保證了低電壓指標(biāo)關(guān)聯(lián)分析的準(zhǔn)確性以及效率性。
27.進(jìn)一步地，所述根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分包括：
28.根據(jù)所述指標(biāo)數(shù)據(jù)確定每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)的數(shù)值范圍；
29.按照所述數(shù)值范圍的左邊界由小到大的順序?qū)γ恳粋€(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行排序；
30.對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，將重疊部分拆分成獨(dú)立的指標(biāo)數(shù)據(jù)。
31.由上述描述可知，在進(jìn)行每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)的拆分時(shí)，先根據(jù)各個(gè)指標(biāo)數(shù)據(jù)的數(shù)值范圍的左邊界由小到大的順序進(jìn)行排序，然后再對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，既提高了數(shù)據(jù)拆分的速度，也保證了數(shù)據(jù)拆分的全面性。
32.進(jìn)一步地，所述對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分包括：
33.判斷重疊的數(shù)值范圍占其所在的指標(biāo)數(shù)據(jù)的比重，若所述比重大于預(yù)設(shè)閾值，則對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，否則，不進(jìn)行拆分。
34.由上述描述可知，僅對(duì)重疊的數(shù)值范圍占其所在的指標(biāo)數(shù)據(jù)的比重超過(guò)預(yù)設(shè)閾值的指標(biāo)數(shù)據(jù)進(jìn)行拆分，避免了拆分導(dǎo)致的指標(biāo)數(shù)據(jù)數(shù)量的過(guò)多，保證了拆分后的指標(biāo)數(shù)據(jù)數(shù)量的合理性，提高了拆分的有效性的同時(shí)也提高了數(shù)據(jù)處理效率。
35.進(jìn)一步地，所述s4包括：
36.根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，將所有的候選項(xiàng)集添加入候選項(xiàng)集集合；
37.對(duì)所述拆分后的項(xiàng)目集進(jìn)行掃描，在掃描的過(guò)程中，確定所述候選項(xiàng)集集合中每一候選項(xiàng)集的支持度，若確定出的當(dāng)前支持度小于最小支持度，將所述當(dāng)前支持度對(duì)應(yīng)的第一目標(biāo)候選項(xiàng)集以及包含所述第一目標(biāo)候選項(xiàng)集的所有第二目標(biāo)候選項(xiàng)集從所述候選項(xiàng)集集合中刪除；
38.根據(jù)確定出的所述候選項(xiàng)集集合中每一候選項(xiàng)集的支持度確定每一候選項(xiàng)集對(duì)應(yīng)的關(guān)聯(lián)規(guī)則的置信度；
39.將置信度大于或等于最小置信度對(duì)應(yīng)的關(guān)聯(lián)規(guī)則確定為強(qiáng)關(guān)聯(lián)規(guī)則；
40.根據(jù)所述強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)。
41.由上述描述可知，在改進(jìn)的apriori算法中，根據(jù)拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，并將所有的候選項(xiàng)集添加入候選項(xiàng)集集合中，在掃描拆分后的項(xiàng)目集的過(guò)程中，基于預(yù)設(shè)的最小支持度邊掃描邊計(jì)算候選項(xiàng)集的支持度的同時(shí)能夠?qū)⒉环献钚≈С侄纫蟮暮蜻x項(xiàng)集以及包含該候選項(xiàng)集的超集從候選項(xiàng)集集合中同步刪除，最后候選項(xiàng)集集合中保留的候選項(xiàng)集都是符合最小支持度的要求，在確定強(qiáng)關(guān)聯(lián)規(guī)則時(shí)，直接基于候選項(xiàng)集集合中每一候選項(xiàng)對(duì)應(yīng)的關(guān)聯(lián)規(guī)則計(jì)算對(duì)應(yīng)的置信度即可，省略了現(xiàn)有的apriori算法需要多次掃描以及多次刪除不符合要求的候選項(xiàng)集導(dǎo)致的計(jì)算復(fù)雜度大的問(wèn)題，減少了計(jì)算復(fù)雜度，提高了計(jì)算速度。
42.進(jìn)一步地，所述根據(jù)所述強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)包括：
43.根據(jù)置信度最大并且以低電壓為結(jié)論的強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)。
44.由上述描述可知，在確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)時(shí)，直接選擇置信度最大的并且以低電壓為結(jié)論的強(qiáng)關(guān)聯(lián)規(guī)則來(lái)確定，能夠快速準(zhǔn)確地確定出與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)。
45.請(qǐng)參照?qǐng)D2，一種低電壓指標(biāo)特性研究終端，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如下步驟：
46.s1、接收待分析的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)；
47.s2、根據(jù)所述指標(biāo)項(xiàng)從數(shù)據(jù)集中搜索出所有包含所述指標(biāo)項(xiàng)的項(xiàng)目，構(gòu)成項(xiàng)目集；
48.s3、確定所述項(xiàng)目集中每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)，根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，構(gòu)成拆分后的項(xiàng)目集；
49.s4、根據(jù)所述拆分后的項(xiàng)目集采用改進(jìn)的apriori算法確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)，在所述改進(jìn)的apriori算法中先根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再在對(duì)所述拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算。
50.由上述描述可知，本發(fā)明的有益效果在于：在確定與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)時(shí)，鑒于與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)為具有數(shù)值范圍的指標(biāo)數(shù)據(jù)，先對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，細(xì)化了進(jìn)行數(shù)據(jù)分析的顆粒度，能夠提高所確定出的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)的準(zhǔn)確度，而由于對(duì)指標(biāo)數(shù)據(jù)的拆分會(huì)導(dǎo)致指標(biāo)數(shù)據(jù)項(xiàng)的增加，因此適應(yīng)性地對(duì)apriori算法進(jìn)行改進(jìn)，先根據(jù)拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再對(duì)拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算，即在一次的掃描過(guò)程中即對(duì)所有的候選項(xiàng)集進(jìn)行支持度的計(jì)算，邊掃描邊對(duì)所有可能的候選項(xiàng)集進(jìn)行支持度計(jì)算，減少了掃描次數(shù)，從而彌補(bǔ)了由于指標(biāo)數(shù)據(jù)項(xiàng)的增加導(dǎo)致的數(shù)據(jù)計(jì)算復(fù)雜度增大的問(wèn)題，提高了數(shù)據(jù)分析的效率，通過(guò)數(shù)據(jù)拆分以及適應(yīng)性的掃描次數(shù)的減少保證了低電壓指標(biāo)關(guān)聯(lián)分析的準(zhǔn)確性以及效率性。
51.進(jìn)一步地，所述根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分包括：
52.根據(jù)所述指標(biāo)數(shù)據(jù)確定每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)的數(shù)值范圍；
53.按照所述數(shù)值范圍的左邊界由小到大的順序?qū)γ恳粋€(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行排序；
54.對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，將重疊部分拆分成獨(dú)立的指標(biāo)數(shù)據(jù)。
55.由上述描述可知，在進(jìn)行每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)的拆分時(shí)，先根據(jù)各個(gè)指標(biāo)數(shù)據(jù)的數(shù)值范圍的左邊界由小到大的順序進(jìn)行排序，然后再對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，既提高了數(shù)據(jù)拆分的速度，也保證了數(shù)據(jù)拆分的全面性。
56.進(jìn)一步地，所述對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分包括：
57.判斷重疊的數(shù)值范圍占其所在的指標(biāo)數(shù)據(jù)的比重，若所述比重大于預(yù)設(shè)閾值，則對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，否則，不進(jìn)行拆分。
58.由上述描述可知，僅對(duì)重疊的數(shù)值范圍占其所在的指標(biāo)數(shù)據(jù)的比重超過(guò)預(yù)設(shè)閾值的指標(biāo)數(shù)據(jù)進(jìn)行拆分，避免了拆分導(dǎo)致的指標(biāo)數(shù)據(jù)數(shù)量的過(guò)多，保證了拆分后的指標(biāo)數(shù)據(jù)
數(shù)量的合理性，提高了拆分的有效性的同時(shí)也提高了數(shù)據(jù)處理效率。
59.進(jìn)一步地，所述s4包括：
60.根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，將所有的候選項(xiàng)集添加入候選項(xiàng)集集合；
61.對(duì)所述拆分后的項(xiàng)目集進(jìn)行掃描，在掃描的過(guò)程中，確定所述候選項(xiàng)集集合中每一候選項(xiàng)集的支持度，若確定出的當(dāng)前支持度小于最小支持度，將所述當(dāng)前支持度對(duì)應(yīng)的第一目標(biāo)候選項(xiàng)集以及包含所述第一目標(biāo)候選項(xiàng)集的所有第二目標(biāo)候選項(xiàng)集從所述候選項(xiàng)集集合中刪除；
62.根據(jù)確定出的所述候選項(xiàng)集集合中每一候選項(xiàng)集的支持度確定每一候選項(xiàng)集對(duì)應(yīng)的關(guān)聯(lián)規(guī)則的置信度；
63.將置信度大于或等于最小置信度對(duì)應(yīng)的關(guān)聯(lián)規(guī)則確定為強(qiáng)關(guān)聯(lián)規(guī)則；
64.根據(jù)所述強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)。
65.由上述描述可知，在改進(jìn)的apriori算法中，根據(jù)拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，并將所有的候選項(xiàng)集添加入候選項(xiàng)集集合中，在掃描拆分后的項(xiàng)目集的過(guò)程中，基于預(yù)設(shè)的最小支持度邊掃描邊計(jì)算候選項(xiàng)集的支持度的同時(shí)能夠?qū)⒉环献钚≈С侄纫蟮暮蜻x項(xiàng)集以及包含該候選項(xiàng)集的超集從候選項(xiàng)集集合中同步刪除，最后候選項(xiàng)集集合中保留的候選項(xiàng)集都是符合最小支持度的要求，在確定強(qiáng)關(guān)聯(lián)規(guī)則時(shí)，直接基于候選項(xiàng)集集合中每一候選項(xiàng)對(duì)應(yīng)的關(guān)聯(lián)規(guī)則計(jì)算對(duì)應(yīng)的置信度即可，省略了現(xiàn)有的apriori算法需要多次掃描以及多次刪除不符合要求的候選項(xiàng)集導(dǎo)致的計(jì)算復(fù)雜度大的問(wèn)題，減少了計(jì)算復(fù)雜度，提高了計(jì)算速度。
66.進(jìn)一步地，所述根據(jù)所述強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)包括：
67.根據(jù)置信度最大并且以低電壓為結(jié)論的強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)。
68.由上述描述可知，在確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)時(shí)，直接選擇置信度最大的并且以低電壓為結(jié)論的強(qiáng)關(guān)聯(lián)規(guī)則來(lái)確定，能夠快速準(zhǔn)確地確定出與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)。
69.本發(fā)明上述低電壓指標(biāo)特性研究方法及終端能夠適用于在配電網(wǎng)中需要確定與臺(tái)區(qū)發(fā)生低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)的確定中，以下通過(guò)具體的實(shí)施方式進(jìn)行說(shuō)明：
70.實(shí)施例一
71.請(qǐng)參照?qǐng)D1，一種低電壓指標(biāo)特性研究方法，包括步驟：
72.s1、接收待分析的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)；
73.其中，與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)可以根據(jù)具體的應(yīng)用場(chǎng)景進(jìn)行設(shè)定，本實(shí)施例中確定的用來(lái)進(jìn)行關(guān)聯(lián)性分析的指標(biāo)項(xiàng)包括：配變平均負(fù)載率、年最大負(fù)載率、戶均配變?nèi)萘恳约肮╇娪脩魯?shù)；如果在另一個(gè)應(yīng)用場(chǎng)景中，供電用戶數(shù)對(duì)于低電壓的影響并不是很相關(guān)，則可以確定用來(lái)進(jìn)行關(guān)聯(lián)性分析的指標(biāo)項(xiàng)包括：配變平均負(fù)載率、年最大負(fù)載率以及戶均配變?nèi)萘浚?br>74.s2、根據(jù)所述指標(biāo)項(xiàng)從數(shù)據(jù)集中搜索出所有包含所述指標(biāo)項(xiàng)的項(xiàng)目，構(gòu)成項(xiàng)目集；
75.本實(shí)施例中數(shù)據(jù)集由10kv配電變壓器及低電壓信息構(gòu)成，在確定項(xiàng)目集時(shí)，根據(jù)低電壓項(xiàng)和所接收的上述四個(gè)指標(biāo)項(xiàng)對(duì)10kv配電變壓器及低電壓信息進(jìn)行搜索，出包含低電壓項(xiàng)和所接收的上述四個(gè)指標(biāo)項(xiàng)的項(xiàng)目，構(gòu)成項(xiàng)目集，比如，假設(shè)i5代表配變平均負(fù)載
率、i15代表戶均配變?nèi)萘俊23代表低電壓、i10代表年最大負(fù)載率，i20代表供電用戶數(shù)，則通過(guò)搜索可以得到如下表1所示的項(xiàng)目集：
76.表1
77.tid項(xiàng)目集1i5,i15,i232i10,i233i20,i234i5,i10,i235i5,i206i20,i237i5,i208i5,i15,i20,i239i5,i20,i23
78.s3、確定所述項(xiàng)目集中每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)，根據(jù)所述指標(biāo)數(shù)據(jù)對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，構(gòu)成拆分后的項(xiàng)目集；
79.比如表1中編號(hào)為1的i5對(duì)應(yīng)的指標(biāo)數(shù)據(jù)為[0.7,0.8]，編號(hào)為4的i5對(duì)應(yīng)的指標(biāo)數(shù)據(jù)為[0.75,0.89]，則它們之間就有重疊的數(shù)值范圍[0.75,0.8]，此時(shí)就可以將編號(hào)為1的i5對(duì)應(yīng)的指標(biāo)數(shù)據(jù)拆分為[0.7,0.75]以及[0.75,0.8]，將編號(hào)為4的i5對(duì)應(yīng)的指標(biāo)數(shù)據(jù)拆分為[0.75,0.8]以及[0.8,0.89]，由此就保證了每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍都沒(méi)有重疊；
[0080]
s4、根據(jù)所述拆分后的項(xiàng)目集采用改進(jìn)的apriori算法確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)，在所述改進(jìn)的apriori算法中先根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，再在對(duì)所述拆分后的項(xiàng)目集的一次掃描中對(duì)所有的候選項(xiàng)集進(jìn)行支持度計(jì)算；
[0081]
也就是說(shuō)，本實(shí)施例所采用的改進(jìn)的apriori算法并不需要像現(xiàn)有的apriori算法需要多次進(jìn)行掃描，每計(jì)算一次候選項(xiàng)集的支持度，就要掃描一次項(xiàng)目集，并且也不是像現(xiàn)有的apriori算法中候選項(xiàng)集是基于所確定的指標(biāo)項(xiàng)的排列組合來(lái)確定的，而是基于拆分后的項(xiàng)目集確定的，本實(shí)施例直接在一次掃描拆分后的項(xiàng)目集的過(guò)程中，即對(duì)根據(jù)拆分后的項(xiàng)目集確定的所有可能的候選項(xiàng)集的支持度進(jìn)行計(jì)算，比如項(xiàng)目集為{i5,i15,i23}，則在掃描i5時(shí)，即對(duì)候選項(xiàng)集{i5}的支持度加1，掃描i15時(shí)，則對(duì)候選項(xiàng)集{i15}以及{i5,i15}的支持度加1，掃描i23時(shí)，則對(duì)候選項(xiàng)集{i23}、{i5,i23}、{i15,i23}以及{i5,i15,i23}的支持度加1；
[0082]
由于候選項(xiàng)集是基于項(xiàng)目集生成的，因此，在一個(gè)可選的實(shí)施方式中，不需要事先根據(jù)拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，取而代之的是，在掃描的過(guò)程中，同步確定對(duì)應(yīng)的候選項(xiàng)，并對(duì)對(duì)應(yīng)的候選項(xiàng)的支持度進(jìn)行同步計(jì)算，由此進(jìn)一步降低計(jì)算復(fù)雜度，具體的，對(duì)于每一個(gè)項(xiàng)目：
[0083]
每掃描到一個(gè)項(xiàng)目中的數(shù)據(jù)項(xiàng)，確定當(dāng)前所述項(xiàng)目中已掃描到的數(shù)據(jù)項(xiàng)，根據(jù)已掃描到的數(shù)據(jù)項(xiàng)生成其所有可能的候選項(xiàng)集，構(gòu)成候選項(xiàng)集集合，對(duì)于候選項(xiàng)集合中的每一個(gè)候選項(xiàng)集，判斷是否已保存，若是，則更新已保存的對(duì)應(yīng)的候選項(xiàng)集的支持度，即對(duì)其
支持度加一，若否，則保存所述候選項(xiàng)集，并計(jì)算其支持度，即對(duì)其支持度加一，由此，就實(shí)現(xiàn)了邊掃描邊生成候選項(xiàng)集并同步完成支持度的計(jì)算，這樣就省去了現(xiàn)有的apriori算法需要分別對(duì)項(xiàng)目集和候選項(xiàng)集集合進(jìn)行多次掃描，并且也避免了現(xiàn)有技術(shù)中直接基于指標(biāo)項(xiàng)的排列組合確定出的候選項(xiàng)集有可能是無(wú)效的候選項(xiàng)集的情況，也就是說(shuō)，所確定的候選項(xiàng)集并不存在于項(xiàng)目集中，其支持度為0，從而就導(dǎo)致了無(wú)效的掃描。
[0084]
實(shí)施例二
[0085]
本實(shí)施例進(jìn)一步限定了如何對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，具體的：
[0086]
根據(jù)所述指標(biāo)數(shù)據(jù)確定每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)的數(shù)值范圍；
[0087]
按照所述數(shù)值范圍的左邊界由小到大的順序?qū)γ恳粋€(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行排序；
[0088]
對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，將重疊部分拆分成獨(dú)立的指標(biāo)數(shù)據(jù)；
[0089]
比如，對(duì)應(yīng)配變平均負(fù)載率一共有如下幾個(gè)指標(biāo)數(shù)據(jù)：[0.7,0.9]，[0.9,1],[0.8,1]，，則可以先對(duì)它們按照其左邊界的大小由小到大進(jìn)行排序如下：
[0090]
[0.7,0.9]，[0.8,1]，[0.9,1]；
[0091]
然后再對(duì)存在重疊的部分進(jìn)行拆分：
[0092]
[0.7,0.9]拆分為[0.7,0.8]、[0.8,0.9]；
[0093]
[0.8,1]拆分為[0.8,0.9]、[0.9,1]；
[0094]
在一個(gè)可選的實(shí)施方式中，所述對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分包括：
[0095]
判斷重疊的數(shù)值范圍占其所在的指標(biāo)數(shù)據(jù)的比重，若所述比重大于預(yù)設(shè)閾值，則對(duì)存在重疊的數(shù)值范圍的指標(biāo)數(shù)據(jù)進(jìn)行拆分，否則，不進(jìn)行拆分；
[0096]
比如，設(shè)定預(yù)設(shè)閾值為百分之二十，則對(duì)于指標(biāo)數(shù)據(jù)[0.7,0.9]和[0.8,1]，由于重疊的部分為[0.8,0.9]，其分別占[0.7,0.9]和[0.8,1]的比重都超過(guò)百分之二十，因此，需要進(jìn)行拆分，而假設(shè)指標(biāo)數(shù)據(jù)為[0.7,0.9]和[0.89,1]，由于重疊部分為[0.89,0.9]，所占比例小于百分之二十，因此，不需要進(jìn)行拆分。
[0097]
實(shí)施例三
[0098]
本實(shí)施例進(jìn)一步限定了如何對(duì)現(xiàn)有的apriori算法進(jìn)行改進(jìn)，具體的，所述s4包括：
[0099]
根據(jù)所述拆分后的項(xiàng)目集確定所有的候選項(xiàng)集，將所有的候選項(xiàng)集添加入候選項(xiàng)集集合；
[0100]
對(duì)所述拆分后的項(xiàng)目集進(jìn)行掃描，在掃描的過(guò)程中，確定所述候選項(xiàng)集集合中每一候選項(xiàng)集的支持度，若確定出的當(dāng)前支持度小于最小支持度，將所述當(dāng)前支持度對(duì)應(yīng)的第一目標(biāo)候選項(xiàng)集以及包含所述第一目標(biāo)候選項(xiàng)集的所有第二目標(biāo)候選項(xiàng)集從所述候選項(xiàng)集集合中刪除；
[0101]
根據(jù)確定出的所述候選項(xiàng)集集合中每一候選項(xiàng)集的支持度確定每一候選項(xiàng)集對(duì)應(yīng)的關(guān)聯(lián)規(guī)則的置信度；
[0102]
將置信度大于或等于最小置信度對(duì)應(yīng)的關(guān)聯(lián)規(guī)則確定為強(qiáng)關(guān)聯(lián)規(guī)則；
[0103]
根據(jù)所述強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)；
[0104]
在一個(gè)可選的實(shí)施方式中，所述根據(jù)所述強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)包括：
[0105]
根據(jù)置信度最大并且以低電壓為結(jié)論的強(qiáng)關(guān)聯(lián)規(guī)則確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)；
[0106]
以下通過(guò)一個(gè)具體的例子來(lái)進(jìn)行說(shuō)明：
[0107]
以表1所述的項(xiàng)目集為例進(jìn)行說(shuō)明，其中，標(biāo)號(hào)為1的項(xiàng)目中i5的數(shù)值范圍為[0.7,1]，其余的項(xiàng)目中i5的數(shù)值范圍為[0.8,1]，因此需要對(duì)標(biāo)號(hào)為1的i5進(jìn)行拆分得到[0.7,0.8]、[0.8,1]，可以將[0.7,0.8]對(duì)應(yīng)的項(xiàng)目標(biāo)為i5’，[0.8,1]對(duì)應(yīng)的項(xiàng)目標(biāo)為i5，則表1轉(zhuǎn)換為如下表2所示：
[0108]
表2
[0109]
tid項(xiàng)目集1i5’,i5,i15,i232i10,i233i20,i234i5,i10,i235i5,i206i20,i237i5,i208i5,i15,i20,i239i5,i20,i23
[0110]
則在實(shí)現(xiàn)apriori算法的過(guò)程中，可以先基于表2的項(xiàng)目集中的每一個(gè)項(xiàng)目生成所有可能的候選項(xiàng)集，再進(jìn)行掃描，也可以邊掃描表2的項(xiàng)目集邊生成候選項(xiàng)集，本實(shí)施例中，邊掃描表2的項(xiàng)目集邊生成候選項(xiàng)集，具體的：
[0111]
先掃描標(biāo)號(hào)為1的項(xiàng)目{i5’,i5,i15,i23}，當(dāng)掃描到i5’時(shí)，將{i5’}添加入候選項(xiàng)集集合，并計(jì)算其對(duì)應(yīng)的支持度計(jì)數(shù)為1，當(dāng)掃描到i5時(shí)，確定候選項(xiàng)集{i5}以及{i5,i5’}，均為新生成的候選項(xiàng)集，將它們添加入候選項(xiàng)集集合中，并計(jì)算各自對(duì)應(yīng)的支持度計(jì)算分別為1，當(dāng)掃描到i15時(shí)，確定候選項(xiàng)集{i15}、{i15，i5’}、{i15,i5}以及{i15,i5’,i5}，將它們分別添加入候選項(xiàng)集集合，并分別計(jì)算對(duì)應(yīng)的支持度計(jì)數(shù)為1，依次類推，逐個(gè)數(shù)據(jù)項(xiàng)進(jìn)行掃描并同步生成候選項(xiàng)集以及同步進(jìn)行支持度計(jì)數(shù)計(jì)算，如果掃描到已經(jīng)存在于候選項(xiàng)集集合中的候選項(xiàng)集，則直接進(jìn)行支持度計(jì)數(shù)的更新，比如當(dāng)掃描到標(biāo)號(hào)為4的i5數(shù)據(jù)項(xiàng)時(shí)，由于在掃描到編號(hào)為1的項(xiàng)目時(shí)，已經(jīng)生成了，并且支持度計(jì)數(shù)為1，則此時(shí)對(duì)其進(jìn)行更新為2即可，在掃描完成后，最終得到的候選項(xiàng)集集合中的各個(gè)候選項(xiàng)以及對(duì)應(yīng)的支持度計(jì)數(shù)如表3所示：
[0112]
表3
[0113]
[0114][0115]
設(shè)置最小支持度計(jì)數(shù)為2，即將最小支持度計(jì)數(shù)大于或者等于2的候選項(xiàng)集確定為頻繁項(xiàng)集，則將小于最小支持度的候選項(xiàng)集從候選項(xiàng)集集合中刪除，其中，根據(jù)定律：如果一個(gè)集合不是頻繁項(xiàng)集，則它的所有超集都不是頻繁項(xiàng)集，則可以在刪除不是頻繁項(xiàng)集的候選項(xiàng)集時(shí)，可以一并將其對(duì)應(yīng)的所有超集也進(jìn)行刪除，而不需要一個(gè)個(gè)進(jìn)行比對(duì)，比如{i5,i10}為非頻繁項(xiàng)集，則可以將包含{i5,i10}的超集：{i23,i5,i10}一并刪除；{i15,i20}為非頻繁集，可以將包含{i15,i20}的超集：{i5,i15,i20}、{i23,i15,i20}以及{i23,i5,i15,i20}一并刪除；
[0116]
在候選項(xiàng)集集合中將非頻繁集都刪除完之后，候選項(xiàng)集集合中的候選項(xiàng)集即均為頻繁項(xiàng)集，接著基于所有頻繁項(xiàng)集構(gòu)建大于或者等于設(shè)定的最小置信度的強(qiáng)關(guān)聯(lián)規(guī)則，強(qiáng)關(guān)聯(lián)規(guī)則的產(chǎn)生步驟如下：
[0117]
1)對(duì)于每個(gè)頻繁項(xiàng)集l，產(chǎn)生其所有非空真子集；
[0118]
2)對(duì)于每個(gè)非空真子集s，如果
[0119][0120]
則輸出其中，minconfidence是最小置信度閾值，support_count表示支持度計(jì)數(shù)；
[0121]
比如，針對(duì)頻繁集{i5，i15，i23}，該頻繁集的非空真子集有{i5，i15}，{i5，i23}，{i15,i23}，{i5}，{i23}和{i15}，根據(jù)置信度公式：
[0122][0123]
得到對(duì)應(yīng)置信度如下：
[0124]
[0125][0126][0127][0128][0129][0130]
本實(shí)施例中，設(shè)置minconfidence＝70％，則強(qiáng)規(guī)則有本實(shí)施例中，設(shè)置minconfidence＝70％，則強(qiáng)規(guī)則有其中，i5表示配變平均負(fù)載率為80％～100％，i15表示戶均配變?nèi)萘縖2,3)(單位為kva，千伏安)，i23表示低電壓；
[0131]
由于得出的結(jié)論是臺(tái)區(qū)發(fā)生低電壓，因此，最終篩選出以i23(臺(tái)區(qū)發(fā)生低電壓)為結(jié)論的強(qiáng)關(guān)聯(lián)規(guī)則為：即：
[0132]
配變平均負(fù)載率為80％～100％ amp; amp;戶均配變?nèi)萘縖2,3)＝》臺(tái)區(qū)低電壓(在最小支持度計(jì)數(shù)為2，最小置信度閾值為70％的情況下)；
[0133]
由此就可以確定與低電壓強(qiáng)關(guān)聯(lián)的指標(biāo)項(xiàng)為配變平均負(fù)載率為80％～100％和戶均配變?nèi)萘縖2,3)；
[0134]
由于已經(jīng)確定了結(jié)論為臺(tái)區(qū)發(fā)生低電壓，因此，在一個(gè)可選的實(shí)施方式中，在選取進(jìn)行關(guān)聯(lián)規(guī)則計(jì)算的頻繁項(xiàng)集時(shí)可以選擇候選項(xiàng)集集合中包含i23的且項(xiàng)數(shù)最多的頻繁項(xiàng)集，并且進(jìn)行置信度計(jì)算時(shí)選擇結(jié)論為i23的情況進(jìn)行計(jì)算，比如表3中，可以只選擇{i5,i15,i23}以及{i5,i20,i23}進(jìn)行計(jì)算，并且僅計(jì)算：
[0135]
i5 amp; amp;i15＝》i23 confidence＝2/2＝100％
[0136]
i5 amp; amp;i20＝》i23 confidence＝2/4＝50％
[0137]
由此可以得出強(qiáng)關(guān)聯(lián)關(guān)系為：i5 amp; amp;i15＝》i23。
[0138]
實(shí)施例四
[0139]
請(qǐng)參照?qǐng)D2，一種低電壓指標(biāo)特性研究終端，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)實(shí)施例一至實(shí)施例三中任一個(gè)所述的一種低電壓指標(biāo)特性研究方法中的各個(gè)步驟。
[0140]
綜上所述，本發(fā)明提供的一種低電壓指標(biāo)特性研究方法及終端，在確定與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)時(shí)，鑒于與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)為具有數(shù)值范圍的指標(biāo)數(shù)據(jù)，先對(duì)每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的指標(biāo)數(shù)據(jù)進(jìn)行拆分，使得每一個(gè)指標(biāo)項(xiàng)對(duì)應(yīng)的任意兩個(gè)指標(biāo)數(shù)據(jù)的范圍沒(méi)有重疊，細(xì)化了進(jìn)行數(shù)據(jù)分析的顆粒度，能夠提高所確定出的與低電壓關(guān)聯(lián)的指標(biāo)項(xiàng)的準(zhǔn)確度，而由于對(duì)指標(biāo)數(shù)據(jù)的拆分會(huì)導(dǎo)致指標(biāo)數(shù)據(jù)項(xiàng)的增加，因此適應(yīng)性地對(duì)apriori算法進(jìn)行改進(jìn)，在進(jìn)行掃描的過(guò)程中邊掃描邊基于掃描到的拆分后的項(xiàng)目集中的每一項(xiàng)目的數(shù)據(jù)項(xiàng)確定對(duì)應(yīng)的候選項(xiàng)集，并同步對(duì)對(duì)應(yīng)的候選項(xiàng)集進(jìn)行支持度計(jì)算，即在一次的掃描過(guò)程中即生成所有的候選項(xiàng)集并進(jìn)行支持度的計(jì)算，邊掃描邊生成所有可能的候選項(xiàng)集，同時(shí)對(duì)所有可能的候選項(xiàng)集進(jìn)行支持度計(jì)算，減少了掃描次數(shù)，降低了計(jì)算復(fù)雜度，從而彌補(bǔ)了由于指標(biāo)數(shù)據(jù)項(xiàng)的增加導(dǎo)致的數(shù)據(jù)計(jì)算復(fù)雜度增大的問(wèn)題，提高了數(shù)據(jù)分析的效率，通過(guò)數(shù)據(jù)拆分以及適應(yīng)性的掃描次數(shù)的減少保證了低電壓指標(biāo)關(guān)聯(lián)分析的準(zhǔn)確性以及效率性。
[0141]
以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書及附圖內(nèi)容所作的等同變換，或直接或間接運(yùn)用在相關(guān)的技術(shù)領(lǐng)域，均同理包括
在本發(fā)明的專利保護(hù)范圍內(nèi)。
