Agglomerative Hierarchical Clusteringを用いたContextual Outlier Interpretationによるガスタービン異常検知の説明

カテゴリ: 研究会(論文単位)

論文No: IS24044

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2024/12/02

タイトル(英語): Explanation of Gas Turbine Generator Anomaly Detection using Contextual Outlier Interpretation with Agglomerative Hierarchical Clustering

著者名: 尹 家輝(明治大学),福山 良和(明治大学),村上 賢哉(富士電機),鈴木 聡(富士電機),飯坂 達也(富士電機)

著者名(英語): Jiahui Yin(Graduate school of Meiji University),Yoshikazu Fukuyama(Meiji Univeristy),Kenya Murakami(Fuji Electric Co., Ltd.),Satoshi Suzuki(Fuji Electric Co., Ltd.),Tatsuya Iizaka(Fuji Electric Co., Ltd.)

キーワード: 説明可能ＡＩ|ｃｏｎｔｅｘｔｕａｌ　ｏｕｔｌｉｅｒ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ|ガスタービン発電機|異常検知|ａｇｇｌｏｍｅｒａｔｉｖｅ　ｈｉｅｒａｒｃｈｉｃａｌ　ｃｌｕｓｔｅｒｉｎｇ|シルエット係数|explainable artificial intelligence|contextual outlier interpretation|gas turbine generator|anomaly detection|agglomerative hierarchical clustering|silho

要約(日本語): 本論文では，Agglomerative Hierarchical Clusteringを提案する。クラスタリング結果評価手法であるSilhouette Scoreを使い，これまで著者等が提案した，k-means 法，DBSCAN，OPTICSと提案手法を用いたCOINによるガスタービン異常検知の説明のクラスタリング結果の評価と説明性能を比較し，その有効性を検証した。_x000D_

要約(英語): This paper proposes explanation of gas turbine generator anomaly detection using Contextual Outlier Interpretation with Agglomerative Hierarchical Clustering. Effectiveness of the proposed method is confirmed by comparing the clustering results using Silhouette Score, and comparing explanation performance of gas turbine anomaly detection explanations using COIN with k-means, DBSCAN, and OPTICS and the proposed method. _x000D_

本誌: 2024年12月5日-2024年12月6日情報システム研究会

本誌掲載ページ: 77-82 p

原稿種別: 日本語

PDFファイルサイズ: 1,111 Kバイト