高次局所自己相関特徴による多チャンネル時系列データの異常検知

カテゴリ: 部門大会

論文No: GS14-4

グループ名: 【C】平成20年電気学会電子・情報・システム部門大会講演論文集

発行日: 2008/08/20

タイトル(英語): Abnormality Detection in Multi-channel Time-series data using Higher-order Local Autocorrelation Features

著者名: 荒木英人(千葉工業大学),村川正宏(産業技術総合研究所),小林匠(産業技術総合研究所),樋口哲也(産業技術総合研究所),久保田一(千葉工業大学),大津展之(産業技術総合研究所)

著者名(英語): Hidehito Araki(Chiba Institute of Technology),Masahiro Murakawa(National Institute of Advanced Industrial Science and Technology),Takumi Kobayashi(National Institute of Advanced Industrial Science and Technology),Tetsuya Higuchi(National Institute of Adva)

キーワード: 異常検知|高次局所自己相関|主成分分析|多チャンネル時系列データ|Abnormality Detection|Higher-order Local Autocorrelation|Principal Component Analysis|Multi-channel Time-series data

要約(日本語): 多チャンネルの時系列データからの異常検知は,時系列データ源の状態や変化を検知する上で非常に重要である.そこで我々は多チャンネルの時系列データから高次局所相関に基づいた特徴量を抽出し,抽出した特徴量より異常の検知を行う.普段もっとも頻繁に得られるデータを正常パターンとして特徴量を抽出し,主成分分析を行うことで正常部分空間を形成する.この空間からの逸脱度を異常値として定義し,この値の多寡で異常を検知する.この手法を,ベンチマークデータとして公開されている心電図データに適用した結果,医師が異常と診断した心電図の変化をいずれも異常として検知することができた.

PDFファイルサイズ: 1,600 Kバイト