典型文献
基于鲁棒稀疏PCA的工业异常检测
文献摘要：
主元分析(principal component analysis,PCA)方法由于原理简单计算方便,被普遍应用于工业无监督异常检测,但具有异常值敏感且所得主元非稀疏等问题.针对传统鲁棒稀疏PCA没有从根本上解决异常值敏感问题且没有给定稀疏度的确定方式,提出了一种改进的工业异常检测方法IRSPCA(improved robust sparse PCA).具体地,在对L1范数最大化处理以及L0范数惩罚项引入的基础上,提出了用于平衡稀疏性和方差的稀疏性准则,基于该准则开发了一种两阶段稀疏度选择策略,并利用遗传算法求得了主元稀疏度的最优解.另外,设计了基于预测误差平方和(squared prediction error,SPE)统计量的异常值剔除策略,用于增强方法的整体鲁棒性.通过数值仿真和真实烟支成品检测两个案例开展了实验验证.结果显示IRSPCA综合性能均优于传统PCA和鲁棒稀疏PCA方法,充分验证了方法的有效性和优越性.
文献关键词：
异常检测;主元分析法;稀疏度;预测误差平方和;烟支成品
中图分类号：
作者姓名：
梁海玲;白森;李坚
作者机构：
广西中烟工业有限责任公司技术中心,广西530001
文献出处：
引用格式：
[1]梁海玲;白森;李坚-.基于鲁棒稀疏PCA的工业异常检测)[J].科学技术与工程,2022(15):6164-6171
A类：
IRSPCA,预测误差平方和,烟支成品
B类：
principal,component,analysis,简单计算,无监督,得主,稀疏度,异常检测方法,improved,robust,sparse,L1,范数,L0,稀疏性,两阶段,选择策略,最优解,squared,prediction,error,SPE,统计量,异常值剔除,增强方法,品检,主元分析法
AB值：
0.264125
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
