Zastosowanie reguł asocjacyjnych w analizie danych z symulatorów błędów

• Autorzy: Komorowska A.

Warianty tytułu

EN

Aplication of association rules in analysis of data from faults simulators

• Języki publikacji: PL

Abstrakty

PL

Artykuł opisuje metodykę analizy danych z symulatora błędów za pomocą reguł asocjacyjnych, przedstawioną na przykładzie analizy wyników eksperymentów symulacji błędów dla sterownika reaktora chemicznego. Dane z eksperymentów gromadzone są w hurtowni danych, wyposażonej w usługi raportowania i eksploracji danych. Celem analizy jest odkrycie cech aplikacji istotnych dla jej niezawodności.

EN

Article describes a methodology of analysis of data from faults simulator. The methodology is based on association rules and is presented on an example of analysis of results from faults simulation for chemical reactor controller. The goal of the analysis is to discover application’s features important for its dependability.

Słowa kluczowe

PL

symulacja błędów; reguły asocjacyjne; odkrywanie wiedzy; eksploracja danych

EN

faults simulation; associations rules; data mining; data exploration

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2011
• Tom: Vol. 32, nr 2A
• Strony: 315--327
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Komorowska A.

• Politechnika Warszawska, Instytut Informatyki, ul. Nowowiejska 15/19, 00-665 Warszawa,

Bibliografia

• 1. Benso A., Prinetto P.: Fault injection techniques and tools for embedded systems reliability evaluation. Kluwer Academic Publisher 2003.
• 2. Gawkowski P., Sosnowski J.: Developing Fault Injection Environment for Complex Experiments. In: 14th IEEE International On-Line Testing Symposium, 2008, s. 179÷181.
• 3. Gawkowski P., Ławry1czuk M., Marusak P. M., Tatjewski P., Sosnowski J.: On improving dependability of the numerical GPC algorithm. [in:] European Control Conference, Budapest, Hungary 2009, s. 1377÷1382.
• 4. Gawkowski P., Kuczy1ska M. A., Komorowska A.: Fault Effects Analysis and Reporting System for Dependability Evaluation. Rough Sets and Current Trends in Computing (Szczuka M.). LNAI, Vol. 6086, Springer, Heidelberg 2010, s. 524÷533.
• 5. Parsa S., Vahidi-Asl M., Naree S. A.: Finding Causes of Software Failure Using Ridge Regression and Association Rule Generation Methods. In: 9th ACIS International Conference on Software Engineering, Artificial Intelligence, Networking, and Parallel/Distributed Computing (SNPD '08), 2008, s. 873÷878.
• 6. Pintér G., Madeira H., Vieira M., Majzik I., Pataricza A.: Integration of OLAP and data mining for analysis of results from dependability evaluation experiments. International Journal of Knowledge Management Studies, Vol. 2, 2008, s. 480÷498.
• 7. Sosnowski J., Zygulski P., Gawkowski P.: Developing data warehouse for simulation experiments. Rough Sets and Emerging Intelligent Systems Paradigms (Kryszkiewicz M.). LNAI, Vol. 4585, Springer, Heidelberg 2007, s. 543÷552.
• 8. Sosnowski J., Tymoczko A., Gawkowski P.: An approach to distributed fault injection experiments. 7th International Conference on Parallel Processing and Applied Mathematics (Wyrzykowski R). LNCS, Vol. 4967, Springer, Heidelberg 2008, s. 361÷370.
• 9. SQL Server Books Online: http://msdn.microsoft.com/en-us/library/ms130214.aspx.
• 10. Han J., Kamber M.: Data mining, concepts and techniques, Morgan Kaufman Pub, 2005.