ストリームデータのConcept Drift検出によるDBSCANクラスタ補正

カテゴリ: 論文誌(論文単位)

グループ名: 【C】電子・情報・システム部門

発行日: 2020/08/01

タイトル(英語): Concept Drift Detection on Stream Data for Revising DBSCAN

著者名: 宮田　康志（株式会社 日立製作所 研究開発グループ），石川　博（東京都立大学）

著者名(英語): Yasushi Miyata (Hitachi, Ltd. Research & Development Group), Hiroshi Ishikawa (Tokyo Metropolitan University)

キーワード: ストリームデータ解析，クラスタリング，DBSCAN，Concept Drift，電力系統　　data stream mining，clustering，DBSCAN，concept drift，power grid

要約(英語): Data stream mining of IoT data can support operator to immediately isolate causes of equipment alarms. The challenge, however, is to keep their classifiers high purity (the data ratio with same proper class in a cluster) with concept drifting ascribed to differences between alarm models and entities. We propose to continuously update data class according to their distribution changes. Through evaluation, no purity deterioration was verified for oscillation condition data with a drifting rate of 1%. The result suggested that the method improves operator decision making.

本誌: 電気学会論文誌C（電子・情報・システム部門誌） Vol.140 No.8 （2020） 特集Ⅰ：社会課題解決に向けた超スマート社会実現技術　特集Ⅱ：国際会議ICESS 2019

本誌掲載ページ: 949-955 p

原稿種別: 論文／日本語

電子版へのリンク: https://www.jstage.jst.go.jp/article/ieejeiss/140/8/140_949/_article/-char/ja/