针对复杂机械产品概念设计中数据量大造成的知识获取问题,为充分挖掘知识资源的潜在价值。在论述零件产品知识模型和关联规则原理的基础上,提出一种基于关联规则的知识粒度化推送方法。首先将零件知识依据知识粒度层次理论进行描述,并引入知识需求概念,构建关联知识主动推送框架;然后依据关联规则FP-tree算法完成关联知识相似度匹配,有效的加速了知识检索和推送的速度;最终以机械产品实际生产为例验证所提方法在知识推送应用中的可行性。

大型旋转机械设备在发生故障时所造成的损失是不可计算的,因此建立了关联规则库预警模型。首先采用全矢Hilbert对正常运行状态下的同源双通道原始样本数据进行信息融合,然后进行离散化等预处理,建立后期工作所需要的数据库。利用Apriori算法发现滚动轴承八个特征频率幅值数据之间的未知关系,继而用挖掘出的关联规则构建一个规则库。将运行数据通过处理之后与所建立的规则库相匹配,并设立阈值,依据此结果在设备未完全报废之前,及时发出报警信号,达到预警目的。

针对医疗设备数据信息冗余、信息处理效率低的问题,基于关联规则算法设计了包含5个关键单元的高性能医疗设备管理系统。使用改进FP-Tree算法提取医疗设备状态关联特征,采用单向生成模式代替原本的FP-Tree生成模式,通过剔除非频繁项父项节点指针来节省树空间,并在FP-Tree生成过程中引入约束子树概念,实现医疗设备状态特征降维;在特征降维的基础上,基于改进K-means聚类算法挖掘医疗设备状态的异常特征,判断设备运行状态。测试结果显示系统可准确分析出医疗设备状态的关联特征,挖掘出问题产生的原因,且关联规则分析的效率较高。

在研究和分析现有的Apriori算法后，提出一种新的改进算法。该算法在哈希表存放数据库的基础上，采用二进制的改进模型。在统计查找频繁项集的支持计数中，通过二进制位与运算代替链表间查找相同内容的节点运算。为提高内存分配和释放效率，文中采用内存池技术，有效地减少内存碎片和缺页中断，采用二进制的改进模型和内存池技术相结合，明显提高了客户满意度评测系统的效率。

数控机床故障问题的及时响应、故障原因精准判断以及解决方案的快速识别是实现制造单元智能化的关键。基于数控机床历史运维数据,采用关联规则挖掘FP-Growth算法实现数控机床故障模式、原因的关联规则挖掘。首先对运维数据进行故障特征分析,构建基于关联规则的故障诊断模型;其次,通过对历史故障模式及其相应故障原因进行挖掘,生成故障诊断关联规则;最后结合关联规则的支持度、置信度等评估指标进行分析,并推演出关联概率的大小,验证了FP-Gro