[发明专利]一种基于数据挖掘的电梯事故预警预报系统

权利要求书

1.一种基于数据挖掘的电梯事故预警预报系统，其特征在于，包括运行于Hadoop平台上的数据导入模块、数据挖掘模块以及数据导出模块，

数据导入模块通过Sqoop将电梯远程监管系统数据库SQLServer中的原始数据导入后到HDFS和Hive中作为数据挖掘的数据源进行保存；

利用数据挖掘模块对保存的数据源进行数据挖掘处理；

数据导出模块通过Sqoop将所述数据挖掘模块挖掘处理后的结果导出到所述电梯远程监管系统数据库SQLServer中，用于后续分析。

2.如权利要求1所述的一种基于数据挖掘的电梯事故预警预报系统，其特征在于，还包括数据预处理模块，所述数据预处理模块在数据挖掘前，先对所述HDFS和Hive中保存的数据源进行清洗，然后再重新保存到HDFS和Hive中作为数据挖掘的数据源进行保存。

3.如权利要求2所述的一种基于数据挖掘的电梯事故预警预报系统，其特征在于，根据所述数据源的特点和数据挖掘的目标，所述数据预处理模块对数据源利用HQL和MapReduce进行清洗，具体利用HQL完成缺失值删除和缺失值补充工作，利用MapReduce完成数据去重工作。

4.如权利要求2所述的一种基于数据挖掘的电梯事故预警预报系统，其特征在于，还包括数据调度模块，利用其实现对所述数据导入模块、数据预处理模块、数据挖掘模块以及数据导出模块进行调度和整合。

5.如权利要求1所述的一种基于数据挖掘的电梯事故预警预报系统，其特征在于，所述数据导入模块根据需求分为增量导入和全量导入。

6.如权利要求1所述的一种基于数据挖掘的电梯事故预警预报系统，其特征在于，所述数据挖掘模块利用改进的K-Means算法和Apriori算法对数据进行挖掘处理。

7.如权利要求1所述的一种基于数据挖掘的电梯事故预警预报系统，其特征在于，所述改进的K-Means算法具体为：通过Canopy算法删除数据集中的离群点，获得k个初始聚类中心，即获得k值，得到新的数据源；将新的数据源利用K-Means算法中的方法选取多组初始聚类中心；通过准则函数确定最优的初始聚类中心；将新的数据源、k值及最优的初始聚类中心应用于K-Means算法，得到最终的聚类结果。