MICとHSICによる特徴量選択を用いたKPCA-MSPCのアンサンブル手法によるショーケースシステムの異常検知

カテゴリ: 研究会(論文単位)

論文No: ST21035,SMF21062

グループ名: 【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日: 2021/10/30

タイトル(英語): An Ensemble Method for Fault Detection of Refrigeration Showcase Systems using Kernel Principal Component Analysis based Multivariate Statistical Process Control with Feature Selection by Maximal Information Coefficient and Hilbert-Schmidt Independence Cr

著者名: 片桐 瑠星(明治大学),福山 良和(明治大学),島崎 祐一(富士電機),長田 悠人(富士電機),村上 賢哉(富士電機),飯坂 達也(富士電機),松井 哲郎(富士電機)

著者名(英語): Ryusei Katagiri(Meiji University),Yoshikazu Fukuyama(Meiji University),Yuichi Shimasaki(Fuji Electric Co., Ltd.),Yuto Osada(Fuji Electric Co., Ltd.),Kenya Murakami(Fuji Electric Co., Ltd.),tatsuya Iizaka(Fuji Electric Co., Ltd.),Tetsuro Matsui(Fuji Electr

キーワード: ショーケースシステム|異常検知|特徴量選択|アンサンブル|refrigeration showcase system|fault detection|feature selection|ensemble

要約(日本語): 本論文では，アンサンブル手法を用い，カーネル主成分分析をベースとする多変量統計的プロセス管理（KPCA-MSPC）と特徴選択手法を用いたショーケースシステムの異常検知手法を提案する。最大情報量係数（MIC）とk-nearest neighborアルゴリズム（KNN）に基づく方法（MIC-KNN-FS），ヒルベルト・シュミット独立性基準（HSIC）とk-nearest neighborアルゴリズム（KNN）に基づく方法（HSIC-KNN-FS）を特徴量選択手法とする。

要約(英語): This paper proposes an ensemble method for fault detection of refrigeration showcase systems using a kernel principal component analysis based multivariate statistical process control (KPCA-MSPC) method with feature selection methods. The method based on maximal information coefficient (MIC) and k-nearest neighbor algorithm (KNN) (MIC-KNN-FS), and the method based on Hilbert-Schmidt independence criterion (HSIC) and KNN (HSIC-KNN-FS) are utilized as the feature selection methods.

本誌: 2021年11月2日システム/スマートファシリティ合同研究会

本誌掲載ページ: 69-74 p

原稿種別: 日本語

PDFファイルサイズ: 1,232 Kバイト