李恩宁 梁山清 葛红志 刘荣斌 王晓玲 王珏

摘要：针对科研院所设备管理过程中普遍存在的设备真实使用率统计难、设备租借分配不合理等问题，将数据挖掘方法与实际问题相结合，根据设备管理系统采集的各设备电流数据，用支持向量机（Support Vector Machine，SVM）算法判定各设备的工作状态，进而分析出真实使用情况。根据各部门的设备历史租借清单，用Apriori关联规则算法分析得出不同设备间的共同关联关系，为科研设备管理部门采购及出租设备提供合理的分配方案。

关键词：数据挖掘；支持向量机；关联规则

中图分类号：TP18文献标志码：A文章编号：1008-1739（2020）13-60-4

0引言

科研院所和院校通用设备作为固定资产的组成部分，是现代化建设事业的重要物质保障。科学、有效地管理固定资产，发挥最大使用效益，对提高经济和社会效益、保证资产保值增值及保持和提高科研生产能力具有重要意义。

目前的设备管理系统[1-3]，可实现设备信息的存储与查询，可采集设备电流、位置等信息，对使用情况做简单的统计分析。系统在信息化上有所突破，但智能化尚有不足。

数据挖掘[4]是人工智能和数据库领域研究的热点问题，涉及的分类算法[5]和关联规则[6-7]算法可应用于众多领域。本文借助设备管理系统，基于多分类SVM[8]思想，探究设备状态判定算法，分析单个设备的真实使用率；基于Apriori[9]思想，探究设备关联分析算法，分析设备间的借用和使用关联关系，对设备的购买、预期使用等提供合理的建议。……