文献

J-GLOBAL ID：202002241413706754   整理番号：20A2006882

可変重みづけによる局所クラス特異的判別分析とその故障診断への応用【JST・京大機械翻訳】

Local class-specific discriminant analysis with variable weighting and its application in fault diagnosis

著者 (4件)： Jia Zidi (School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  Zeng Yong (School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  Zhang Yuping (School of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China) ,  Liang Wei (School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan 611731, China)
資料名： Computers & Chemical Engineering  (Computers & Chemical Engineering)
巻： 141  ページ： Null  発行年： 2020年 
JST資料番号： H0199C  ISSN： 0098-1354  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,可変重み付け(VW-LCSDA)モデルによる局所クラス特異的判別分析を,工業プロセスにおける故障分類のために開発した。FDAは,次元縮小と分類の古典的方法として故障診断の分野で広く研究されているが,FDAの有効性は,データ分布とクラスの数により多くの場合に劣化する。提案方法は,各特徴に及ぼす故障の影響を評価することによって,可変ベクトルを重みづけする。そのうえ,クラス特異的判別分析(CSDA)のクラス内およびクラス外散乱マトリックスを次元縮小と分類のために使用する。さらに,サンプルデータの局所構造を,LPP(Locity保存射影)法を参照して保存し,散乱行列の最適化に用いた。提案した故障分類法をTennessee-Eastmanプロセスで検証した。シミュレーション結果は,VW-LCSDA法がFDA,CSDAおよび可変加重CSDA(VW-CSDA)より優れている故障診断方法であることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  ベクトル ,  *故障診断 ,  局所性 ,  射影 ,  *判別分析 ,  重みづけ ,  有効性 ,  次元縮小
準シソーラス用語： 局所構造 ,  フィッシャー判別分析 ,  工業プロセス ,  故障分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： 故障診断 ,  Fisher判別分析 ,  クラス特異的判別分析 ,  可変重みづけ ,  局所性保存射影

分類 (3件)： 化学プロセスの解析  (XC01030R) ,  安全管理  (KB06000D) ,  化学プラント一般  (XB02010Z)

タイトルに関連する用語 (6件)： 可変 ,  重みづけ ,  クラス ,  判別分析 ,  故障診断 ,  応用