李文锋，陈俊贤

(1.金陵科技学院软件工程学院，江苏南京 211169 2.苏州工业园区服务外包职业学院信息工程学院，江苏苏州 215125)

随着我国轨道交通的快速建设，大量的系统设备已经步入运维管理阶段。然而，由于我国前期重点关注轨道交通系统的系统建设及建设人才的培养，导致现在轨道交通行业在检修运维技术尤其是故障诊断和寿命预测方面的能力差［1］，依旧采用传统故障修、计划修手段进行故障判断及处理，维护决策多以人工经验为主，缺乏有效的数据支持和智能化指导［2］。随着大数据时代的到来，信息数据在生活中的作用越来越重要，人们需要高效自动化的数据分析技术对大量冗杂无规律的信息进行分类管理，数据挖掘技术［3－4］应运而生。

Apriori算法［5］是用于寻找给定数据集中元素之间的关联关系的经典算法。在应用过程中，最小支持度和最小置信度的值均是根据人的经验设定。当每个事务中元素数量多时，如果最小支持度、最小置信度设置太低，关联规则会特别多，得到的结果没有价值；当每个事务中的元素数量少时，如果最小支持度、最小置信度设置太高，关联规则会特别少，得到的结果也是没有价值。所以，确定合适的最小支持度和最小置信度的值非常重要。有关Apriori算法进行优化的相关研究成果不少，研究成果主要有对频繁项集进行优化和关联规则优化两个方面。文献［6－7］提出的优化频繁项集方法，对Apriori算法进行优化；文献［8］首先指定一个全局最小支持度 ，然后用该支持度与每步频繁项集的支持度进行比较 ，得到最小支持度。……