基于强化稀疏PCA的时变过程离群点检测研究

• 作者: 田颖 胡田
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 强化学习 稀疏PCA 特征提取 时变特性 离群点检测
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP306
• 字数: 3921字
• 语种: 中文
• DOI: 10.11907/rjdk.192481

摘要

为改善传统离群点检测技术以适应工业过程中由于设备老化、催化剂失效等引起的时变特性,运用强化学习自主探索田纳西伊斯曼工业环境以提取最优特征变量,运用稀疏 PCA算法,对所提取的变量建立模型进行离群点检测,并将检测结果与强化 PCA、稀疏 PCA和 KNN模型进行比较.实验结果表明,强化稀疏 PCA模型可以有效提取出最优建模变量,建立最优离群点检测模型,准确率为 93.33%.基于强化学习的特征提取方法可以有效实现高维数据降维,基于稀疏PCA的离群点检测提高了离群点识别率,增强了主成分解释能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田颖	上海理工大学光电信息与计算机工程学院	7	7	1.0	2.0
2	胡田	上海理工大学机械工程学院	1	0	0.0	0.0