赵会群　孙　晶　花勇民　金季春

摘要：马尔科夫过程模型已经广泛地应用于系统可靠性评价中。基于马尔科夫模型系统关键因素分析方法被讨论，重点讨论了状态转移概率和状态可靠性灵敏度分析两种途径。给出系统可靠性差分概念后，提出了通过状态转移概率和状态可靠性增量分析系统可靠性差分的方法，具体分析了各个增量的选择条件。在上述讨论的基础上，给出系统关键因素数据挖掘算法。为了展示和验证算法的可行性和正确性，对乒乓球比赛制胜关进因素进行分析，实验结果表明提出的算法具有正确性和可行性。

关键词：马尔科夫过程模型；数据挖掘；技战术分析

中图分类号：G80-32文献标识码：A文章编号：1007-3612(2008)05-0712-04

数据挖掘（Data Mining简称DM）是用算法来抽取信息和模式，它是知识发现（Knowledge Discovery in Databases，简称KDD）过程的一个步骤［1］。一般认为数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取出隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程［1］。

长期的研究与实践已经总结出多种数据挖掘方法。

关联模式挖掘（Association Rule Mining）就是从给定的数据集中发现频繁出现的项集模式知识。关联分析已经广泛应用于市场营销、事务分析等应用领域。最著名的关联规则挖掘算法是由Agrawal等人于1944年提出的Apriori算法［2］。Apriori算法的核心是：用前一次扫描数据库的结果产生本次扫描的候选项目集，从而提高搜索效率。在此基础上一些学者先后提出了许多关联规则的挖掘算法，但其主要工作集中在如何提高项集的生成效率和降低计算代价上［3］。……