羅 樂,葛啟東,周永學(xué),夏 斌

(1.中國(guó)人民解放軍63880部隊(duì),河南 洛陽(yáng) 471003;2.陸軍工程大學(xué)石家莊校區(qū),河北 石家莊 050003)

裝備數(shù)據(jù)是裝備基礎(chǔ)數(shù)據(jù)、裝備屬性數(shù)據(jù)和裝備業(yè)務(wù)工作數(shù)據(jù)的統(tǒng)稱[1]。對(duì)裝備數(shù)據(jù)的分析利用,可以滿足各級(jí)、各類裝備管理、研究以及生產(chǎn)機(jī)構(gòu)的需求,提高裝備全壽命管理水平和效益,意義十分重大。隨著裝備信息化程度的不斷提高,裝備數(shù)據(jù)種類在增多、數(shù)量在變大、更新頻率在加快,如何從豐富的數(shù)據(jù)中挖掘出數(shù)據(jù)潛在的應(yīng)用價(jià)值,為裝備管理、保障以及指揮決策等提供有力的數(shù)據(jù)支撐是裝備數(shù)據(jù)應(yīng)用面臨的一項(xiàng)挑戰(zhàn)[2-3]。

數(shù)據(jù)挖掘作為一種能夠從數(shù)據(jù)中發(fā)現(xiàn)隱藏知識(shí)的技術(shù),可以為裝備數(shù)據(jù)的應(yīng)用提供解決思路。利用數(shù)據(jù)挖掘技術(shù)進(jìn)行裝備數(shù)據(jù)的挖掘,可以通過(guò)數(shù)學(xué)模型、推理規(guī)則和圖形等呈現(xiàn)方式從裝備數(shù)據(jù)中挖掘出潛在性、可理解性和有價(jià)值的數(shù)據(jù)信息,將裝備全壽命管理過(guò)程中的豐富數(shù)據(jù)轉(zhuǎn)化為知識(shí)。本文嘗試使用關(guān)聯(lián)規(guī)則分析對(duì)裝備數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘,并結(jié)合應(yīng)用案例對(duì)具體實(shí)踐進(jìn)行了初步探索,為裝備數(shù)據(jù)的應(yīng)用提供借鑒和參考。

1 Apriori算法簡(jiǎn)介

關(guān)聯(lián)規(guī)則分析是數(shù)據(jù)挖掘的主要技術(shù)之一。通過(guò)關(guān)聯(lián)分析可以挖掘大量數(shù)據(jù)中項(xiàng)集之間的關(guān)聯(lián)或相關(guān)聯(lián)系,找出頻繁模式,揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)特征。最早的關(guān)聯(lián)規(guī)則分析概念是1993年由Afrawal,Imielinski和Swami提出,其主要目的是分析超市顧客購(gòu)買行為的規(guī)律,發(fā)現(xiàn)連帶購(gòu)買商品,為指定合理的方便顧客選取的貨架擺放方案提供依據(jù),也被稱為購(gòu)物籃分析[4]。目前,關(guān)聯(lián)規(guī)則分析已經(jīng)廣泛應(yīng)用到電子商務(wù)、保險(xiǎn)業(yè)務(wù)、醫(yī)學(xué)、電信行業(yè)等諸多領(lǐng)域。

數(shù)據(jù)的最基本形式是數(shù)據(jù)庫(kù)數(shù)據(jù)、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)和事務(wù)數(shù)據(jù)。關(guān)聯(lián)規(guī)則分析就是針對(duì)事務(wù)數(shù)據(jù)挖掘頻繁項(xiàng)集。這里,對(duì)于包含項(xiàng)目a的項(xiàng)集C(項(xiàng)集是指若干項(xiàng)的集合),如果其支持度大于等于指定的最小支持度,則稱為頻繁項(xiàng)集(包含1個(gè)項(xiàng)目的頻繁項(xiàng)集稱為L(zhǎng)1,包含k個(gè)項(xiàng)目的頻繁項(xiàng)集稱為L(zhǎng)k)。Apriori算法是關(guān)聯(lián)規(guī)則最常用也是最經(jīng)典的挖掘頻繁項(xiàng)集的算法,其核心思想是通過(guò)連接產(chǎn)生候選項(xiàng)及其支持度,然后通過(guò)剪枝生成頻繁項(xiàng)集。Apriori算法實(shí)現(xiàn)的過(guò)程如圖1所示[5-6]。

圖1 Apriori算法實(shí)現(xiàn)的過(guò)程

具體的實(shí)現(xiàn)步驟分為三步:

1)掃描所有的事務(wù),事務(wù)中每一項(xiàng)組成了1項(xiàng)集的集合C1;計(jì)算每一項(xiàng)的支持度;預(yù)先設(shè)定最小支持度的閾值,對(duì)C1中各項(xiàng)集的支持度與該閾值進(jìn)行比較,保留大于或等于該閾值的項(xiàng)集,得到1項(xiàng)頻繁集L1。

2)掃描所有事務(wù),將Lk-1與L1連接得到k項(xiàng)集的集合Ck;計(jì)算每個(gè)項(xiàng)集的支持度,根據(jù)頻繁項(xiàng)集的所有非空子集必須是頻繁項(xiàng)集的原則,對(duì)Ck進(jìn)行剪枝;將剪枝后的項(xiàng)集Ck的支持度與閾值的比較,得到k項(xiàng)頻繁集Lk。

3)由以上頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則,并根據(jù)需要對(duì)規(guī)則進(jìn)行篩選。一方面,在進(jìn)行關(guān)聯(lián)規(guī)則篩選時(shí),分析人員根據(jù)實(shí)際情況設(shè)定測(cè)度指標(biāo)的閾值,指定規(guī)則符合的特征,從而保證規(guī)則的實(shí)用性。另一方面可以根據(jù)挖掘目標(biāo)的需要,通過(guò)關(guān)聯(lián)約束條件指定規(guī)則前項(xiàng)和后項(xiàng),從而篩選包含某些特征的關(guān)聯(lián)規(guī)則。

關(guān)聯(lián)分析的核心體現(xiàn)形式是關(guān)聯(lián)規(guī)則,規(guī)則的有效性和實(shí)用性通過(guò)支持度(Support)、置信度(Confidence)和提升度(Lift)等測(cè)度指標(biāo)來(lái)度量[7-8]。其中,支持度定義為前項(xiàng)和后項(xiàng)同時(shí)出現(xiàn)的概率,是產(chǎn)生最大頻繁項(xiàng)集的依據(jù);置信度定義為包含前項(xiàng)的事務(wù)中也包含后項(xiàng)的概率,度量了前項(xiàng)出現(xiàn)的條件下后項(xiàng)出現(xiàn)的可能性;提升度定義為置信度除以后項(xiàng)支持度,反映了前項(xiàng)的出現(xiàn)對(duì)后項(xiàng)的影響程度。例如:對(duì)于關(guān)聯(lián)規(guī)則a->b(x%,y%,z%),a稱為規(guī)則的前項(xiàng),b稱為規(guī)則的后項(xiàng)。其中支持度x%=Support(a→b)=P(a,b),意義為a和b同時(shí)發(fā)生的概率;置信度y%=Confidence(a→b)=P(b|a)=P(a,b)/P(a),意義為在a情況下發(fā)生b的概率;提升度z%=Lift(a→b)=P(b|a)/P(b)=Confidence(a→b)/P(b),意義為a的發(fā)生對(duì)b的發(fā)生的影響程度。在進(jìn)行關(guān)聯(lián)規(guī)則篩選時(shí),支持度的閾值一般設(shè)定為5%～10%,置信度的閾值一般為70%～90%,提升度一般設(shè)置為大于1。

2 裝備數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘模型

目前,數(shù)據(jù)挖掘在國(guó)內(nèi)外都受到了前所未有的重視,并廣泛用于各個(gè)領(lǐng)域。在裝備數(shù)據(jù)中,不同數(shù)據(jù)項(xiàng)之間存在一定的關(guān)聯(lián)性。這種規(guī)律性有些可以通過(guò)直觀認(rèn)識(shí)結(jié)合經(jīng)驗(yàn)做出定性的判斷,但無(wú)法掌握其量化程度,此外,還存在大量的未知的關(guān)聯(lián)關(guān)系隱藏在數(shù)據(jù)中。為研究裝備數(shù)據(jù)中隱含的規(guī)律,利用關(guān)聯(lián)規(guī)則挖掘?qū)ρb備數(shù)據(jù)進(jìn)行分析,希望獲取隱含在數(shù)據(jù)項(xiàng)之間有價(jià)值的關(guān)聯(lián)關(guān)系,從而準(zhǔn)確地探討裝備的使用,為裝備的科學(xué)化管理提供決策依據(jù)。

數(shù)據(jù)挖掘的一般過(guò)程如圖2所示。裝備數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘是針對(duì)裝備數(shù)據(jù)的分析需求,基于Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則分析,從而發(fā)現(xiàn)裝備數(shù)據(jù)項(xiàng)中隱含的關(guān)聯(lián)關(guān)系。參照數(shù)據(jù)挖掘流程,裝備數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘模型建立分為四個(gè)步驟:1)依據(jù)研究問題對(duì)數(shù)據(jù)進(jìn)行搜集,并對(duì)搜集的數(shù)據(jù)進(jìn)行審核、篩選等數(shù)據(jù)預(yù)處理從而建立事務(wù)數(shù)據(jù)集;2)利用Apriori算法進(jìn)行數(shù)據(jù)分析和挖掘;3)根據(jù)模式的興趣度客觀度量識(shí)別出可以用于決策的模式;4)結(jié)合實(shí)際的情況對(duì)數(shù)據(jù)分析的結(jié)果進(jìn)行總結(jié)和解釋。

圖2 數(shù)據(jù)挖掘流程

以上各步驟是按照順序完成的,但整個(gè)過(guò)程還存在步驟間的反饋。

2.1 建立事務(wù)數(shù)據(jù)集

文獻(xiàn)[9]將裝備數(shù)據(jù)定義為:用于描述裝備自身特性和狀態(tài)的數(shù)據(jù)以及裝備全系統(tǒng)、全壽命管理活動(dòng)所涉及的數(shù)據(jù)的統(tǒng)稱。通常,裝備數(shù)據(jù)可包括3類：1)用于實(shí)現(xiàn)信息化的基礎(chǔ)數(shù)據(jù),如裝備代碼、組織機(jī)構(gòu)代碼;2)標(biāo)識(shí)自身特性和狀態(tài)的屬性數(shù)據(jù),如裝備的設(shè)備型號(hào)、戰(zhàn)技術(shù)性能指標(biāo)參數(shù);3)裝備工作中產(chǎn)生的業(yè)務(wù)數(shù)據(jù),例如裝備運(yùn)行、訓(xùn)練、維護(hù)等日常工作中產(chǎn)生的數(shù)據(jù)以及裝備參加試驗(yàn)仿真以及實(shí)戰(zhàn)演習(xí)產(chǎn)生的數(shù)據(jù)。裝備數(shù)據(jù)來(lái)源于不同的數(shù)據(jù)集,存儲(chǔ)的格式和數(shù)據(jù)格式異構(gòu),并且具有時(shí)間和空間移動(dòng)性,總體上看呈現(xiàn)出時(shí)空性、易變性、異構(gòu)型和多源性等特點(diǎn)[10-11]。

在裝備數(shù)據(jù)的搜集中,必須深入分析應(yīng)用目標(biāo)對(duì)數(shù)據(jù)的要求,針對(duì)數(shù)據(jù)挖掘的目標(biāo)進(jìn)行數(shù)據(jù)選擇。通過(guò)數(shù)據(jù)選擇使數(shù)據(jù)挖掘聚集到與挖掘目標(biāo)相關(guān)的任務(wù)中,提高數(shù)據(jù)挖掘準(zhǔn)確性。對(duì)于搜集的裝備數(shù)據(jù),使用數(shù)據(jù)清理、集成、變換和規(guī)約等方法進(jìn)行必要的數(shù)據(jù)處理,從而降低數(shù)據(jù)挖掘的時(shí)間,提高數(shù)據(jù)挖掘的質(zhì)量。由于關(guān)聯(lián)規(guī)則分析的對(duì)象是事務(wù)數(shù)據(jù),因此對(duì)于裝備數(shù)據(jù)的搜集和預(yù)處理,就是要針對(duì)數(shù)據(jù)挖掘的目標(biāo)選擇數(shù)據(jù)并建立事務(wù)數(shù)據(jù)集,從而為關(guān)聯(lián)規(guī)則分析奠定基礎(chǔ)。事務(wù)數(shù)據(jù)集可以按照事實(shí)表的格式進(jìn)行組織,如表1所示。表中每一行是對(duì)一個(gè)事務(wù)的描述,每一列代表一個(gè)具體的項(xiàng)目,1代表項(xiàng)目出現(xiàn),0代表項(xiàng)目未出現(xiàn)。

表1 事實(shí)表樣表

2.2 Apriori數(shù)據(jù)分析

將事務(wù)數(shù)據(jù)集輸入數(shù)據(jù)分析工具中,自動(dòng)生成有效的簡(jiǎn)單關(guān)聯(lián)規(guī)則,并通過(guò)靈活調(diào)整設(shè)置參數(shù)和約束條件,進(jìn)行規(guī)則的篩選。當(dāng)前,數(shù)據(jù)分析領(lǐng)域有很多成熟的數(shù)據(jù)分析軟件,極大地方便了數(shù)據(jù)的分析和挖掘,如R語(yǔ)言,Python語(yǔ)言等。其中,R就是眾多工具中一款應(yīng)用非常廣泛的免費(fèi)開源軟件。R操作簡(jiǎn)便,可以直接采用函數(shù)調(diào)用算法,通過(guò)簡(jiǎn)單編程即可完成數(shù)據(jù)挖掘過(guò)程。文中所進(jìn)行的關(guān)聯(lián)規(guī)則分析就是通過(guò)R實(shí)現(xiàn)。

2.3 模式評(píng)估

通常支持度、置信度和提升度并不能度量規(guī)則的實(shí)際意義和分析關(guān)注的興趣點(diǎn)。對(duì)于關(guān)聯(lián)分析產(chǎn)生的模式通過(guò)χ2檢驗(yàn)進(jìn)行客觀興趣度度量,可以進(jìn)一步判斷關(guān)聯(lián)規(guī)則是否符合數(shù)據(jù)挖掘的需求。

χ2檢驗(yàn)是通過(guò)比較理論頻數(shù)和實(shí)際頻數(shù)的吻合程度進(jìn)行的統(tǒng)計(jì)推斷?？ǚ綑z驗(yàn)的方法如下。

假設(shè)有兩個(gè)分類變量A和B,值域分別為{A1,A2…Am}和{B1,B2…Bn},設(shè)Xij為頻數(shù),代表Xij個(gè)樣本屬性屬于Ai和Bi,將m×n個(gè)Xij排列為一個(gè)m行n列的二維列聯(lián)表,所有頻數(shù)之和即為樣本容量?？ǚ綑z驗(yàn)值χ2的擬合度公式如下[12]

以上公式中,χ2為檢驗(yàn)統(tǒng)計(jì)量;Xij為實(shí)際值,代表(A=Ai,B=Bi)的實(shí)際頻數(shù);Tij為理論值,是根據(jù)假設(shè)的總體分布計(jì)算的理論頻數(shù),代表所在列聯(lián)表中行和列頻數(shù)合計(jì)的乘積除以總頻數(shù),計(jì)算公式如下[12]

假設(shè)變量A和B是相互獨(dú)立的,基于給定的顯著性水平如果拒絕該假設(shè),則判定二者是統(tǒng)計(jì)相關(guān)的。

對(duì)于形成的關(guān)聯(lián)模式進(jìn)行χ2檢驗(yàn)可以形成強(qiáng)關(guān)聯(lián)規(guī)則,結(jié)合實(shí)際情況進(jìn)一步解讀規(guī)則,提取有用信息和形成結(jié)論,從而為裝備運(yùn)用和管理決策提供價(jià)值的意見。

3 應(yīng)用實(shí)例分析

文中按照數(shù)據(jù)挖掘的基本流程,以某型裝備系統(tǒng)的業(yè)務(wù)數(shù)據(jù)為研究對(duì)象進(jìn)行實(shí)例分析,介紹裝備數(shù)據(jù)關(guān)聯(lián)規(guī)則分析的具體實(shí)現(xiàn)過(guò)程。

3.1 建立事務(wù)數(shù)據(jù)集

復(fù)雜電磁環(huán)境背景下,在合理的配置地域通信裝備采用不同信號(hào)樣式進(jìn)行通聯(lián),通信對(duì)抗裝備系統(tǒng)對(duì)通信信號(hào)進(jìn)行偵查干擾,從而檢驗(yàn)?zāi)惩ㄐ艑?duì)抗裝備系統(tǒng)對(duì)通信信號(hào)的偵察干擾效能。為分析研究通信對(duì)抗裝備系統(tǒng)干擾效果與復(fù)雜影響因素的關(guān)系,希望利用關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)裝備數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)關(guān)系。

明確數(shù)據(jù)挖掘的目的后對(duì)來(lái)源于不同類型裝備的數(shù)據(jù)進(jìn)行采集,確定采集數(shù)據(jù)項(xiàng)包括干擾方式(A)、電磁環(huán)境復(fù)雜度(B)、信號(hào)頻率(C)、信號(hào)傳輸質(zhì)量(D)、干擾信號(hào)樣式(E)、通信信號(hào)類型(F)、通信信號(hào)調(diào)制樣式(G)和干擾效果(H)等。在對(duì)裝備數(shù)據(jù)進(jìn)行分析之前,對(duì)來(lái)自于不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行清理和集成,并對(duì)數(shù)據(jù)項(xiàng)進(jìn)行離散化處理,最終整理出360個(gè)數(shù)據(jù)樣本,如表2所示。

表2 原始數(shù)據(jù)表

表2中，A,B,C,D,E,F,G,H分別代表干擾方式、電磁環(huán)境復(fù)雜度、信號(hào)頻率、信號(hào)傳輸質(zhì)量、干擾信號(hào)樣式、通信信號(hào)類型、通信信號(hào)調(diào)制樣式和干擾效果等數(shù)據(jù)項(xiàng)。進(jìn)行關(guān)聯(lián)規(guī)則分析之前,在表2的基礎(chǔ)上將事務(wù)數(shù)據(jù)存在事實(shí)表中。首先,分別用(A1,A2,A3,A4,A5),(B1,B2,B3,B4,B5),(C1,C2),(D1,D2,D3,D4,D5),(E1,E2,E3,E4),(F1,F2),(G1,G2,G3,G4,G5),(H1,H2)表示離散數(shù)據(jù)項(xiàng)A,B,C,D,E,F,G,H的不同屬性取值,例如A1代表數(shù)據(jù)項(xiàng)A(干擾方式)屬性點(diǎn)頻干擾,C2代表數(shù)據(jù)項(xiàng)C(信號(hào)頻率)屬性超短波;然后將表2用“0”和“1”進(jìn)行布爾編碼,并將按照事實(shí)表格式組織事務(wù)數(shù)據(jù)。如表3所示,表中一行是一個(gè)事務(wù)的完整描述;一列為一個(gè)具體項(xiàng)目,取值為1或0。1代表項(xiàng)目在事務(wù)中出現(xiàn),0代表沒有出現(xiàn)。

表3 事實(shí)表實(shí)例

3.2 關(guān)聯(lián)規(guī)則分析挖掘

利用R語(yǔ)言對(duì)預(yù)處理的數(shù)據(jù)進(jìn)行讀取,并調(diào)用關(guān)聯(lián)規(guī)則程序包進(jìn)行關(guān)聯(lián)規(guī)則挖掘。為保證關(guān)聯(lián)規(guī)則的實(shí)用性,指定規(guī)則的最小支持度為10%,最小置信度為60%,提升度大于1。

Apriori分析的有效關(guān)聯(lián)規(guī)則共產(chǎn)生128條關(guān)聯(lián)規(guī)則,在此基礎(chǔ)上結(jié)合數(shù)據(jù)分析關(guān)注的實(shí)際問題進(jìn)行進(jìn)一步篩選,通過(guò)相關(guān)函數(shù)參數(shù)設(shè)置確定生成規(guī)則的前項(xiàng)為影響因素,規(guī)則后項(xiàng)為H1(干擾有效),最終獲取的關(guān)聯(lián)規(guī)則有9條,如表4所示。

表4 關(guān)聯(lián)規(guī)則表

3.3 模式評(píng)估

針對(duì)以上形成的關(guān)聯(lián)規(guī)則進(jìn)行卡方檢驗(yàn)。以第一條關(guān)聯(lián)規(guī)則為例,對(duì)于B1和H1,值域均為{0，1},通過(guò)卡方檢驗(yàn)進(jìn)行兩個(gè)構(gòu)成比的比較。表5為用于卡方檢驗(yàn)的獨(dú)立四格表。

表5 獨(dú)立四格表

參照2.3節(jié)公式,經(jīng)過(guò)計(jì)算得出χ2=129.17。查閱分布表可知顯著性水平0.001下χ2=10.828<129.17,因此判斷B1和H1是強(qiáng)相關(guān)的。通過(guò)模式評(píng)估對(duì)表4中的關(guān)聯(lián)規(guī)則逐一進(jìn)行興趣度檢測(cè)篩選,最終得到的強(qiáng)關(guān)聯(lián)規(guī)則如表6所示。

表6 模式評(píng)估后的強(qiáng)關(guān)聯(lián)規(guī)則

3.4 分析結(jié)論

對(duì)表6形成的四條關(guān)聯(lián)規(guī)則,結(jié)合裝備運(yùn)用的實(shí)際情況進(jìn)一步考察關(guān)聯(lián)規(guī)則的實(shí)用性,分析結(jié)論如下:

1)規(guī)則1表明該裝備系統(tǒng)運(yùn)用效果受電磁環(huán)境復(fù)雜度的影響較大,因此強(qiáng)化裝備系統(tǒng)復(fù)雜電磁環(huán)境的適應(yīng)能力有利于裝備系統(tǒng)干擾效能的提升。

2)對(duì)于規(guī)則2,可以看出該裝備系統(tǒng)對(duì)超短波定頻信號(hào)的干擾效果好。結(jié)合實(shí)際情況分析可知:超短波屬于視距傳播,雖然傳輸質(zhì)量較短波穩(wěn)定,但由于短波使用的方向性天線以及配置地域廣等特性使其信號(hào)的截獲和干擾更加困難;同時(shí)與定頻通信相比,跳頻通信比較隱蔽也難以被截獲和干擾,因此相比較而言,對(duì)定頻信號(hào)的干擾效果較好。

3)從規(guī)則3和規(guī)則4,可以得到裝備系統(tǒng)針對(duì)不同通信信號(hào)調(diào)制樣式的最佳干擾樣式,這對(duì)裝備的使用也具備一定的參考價(jià)值。例如有75.8%的把握認(rèn)為該裝備系統(tǒng)使用噪聲調(diào)頻對(duì)SSB調(diào)制樣式的信號(hào)干擾效果好,該關(guān)聯(lián)規(guī)則的適用性為33.3%。

從以上分析可以看出,裝備系統(tǒng)干擾效能受作戰(zhàn)環(huán)境、作戰(zhàn)對(duì)手通信狀況和對(duì)抗策略等多種因素的影響。通過(guò)挖掘出來(lái)的強(qiáng)關(guān)聯(lián)規(guī)則和結(jié)論分析,能夠反映出數(shù)據(jù)背后的潛在信息,為裝備系統(tǒng)運(yùn)用、管理提供決策依據(jù),具有一定的指導(dǎo)意義。

4 結(jié)束語(yǔ)

本文基于數(shù)據(jù)挖掘技術(shù)對(duì)裝備數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘,并結(jié)合應(yīng)用案例進(jìn)行實(shí)例分析,獲取了裝備使用過(guò)程中影響因素與裝備效能的關(guān)聯(lián)關(guān)系,所得結(jié)論能夠幫助決策者發(fā)現(xiàn)隱藏在數(shù)據(jù)中的規(guī)律,在裝備數(shù)據(jù)應(yīng)用上是一次有益的嘗試和探索。

需要指出的是，裝備(系統(tǒng))的運(yùn)用是復(fù)雜的過(guò)程,受到諸多因素的影響和制約,因此基于全面豐富的裝備數(shù)據(jù)源才能挖掘出更為科學(xué)、合理的關(guān)聯(lián)規(guī)則;在使用關(guān)聯(lián)規(guī)則分析的應(yīng)用實(shí)踐中,獲取的關(guān)聯(lián)規(guī)則有些不能反映真實(shí)的有價(jià)值的信息,分析人員需要結(jié)合知識(shí)和經(jīng)驗(yàn)進(jìn)行判斷,從挖掘出的關(guān)聯(lián)規(guī)則中篩選出能夠反映真實(shí)情況的有價(jià)值的信息。