書誌事項
- タイトル別名
-
- The Mahalanobis-Taguchi Method Based on Graphical Modeling
- グラフィカル ・ モデリング ニ モトズク マハラノビス ・ タグチホウ
この論文をさがす
抄録
<p>マハラノビス・タグチ(MT)法はタグチメソッドの代表的手法の一つであり,異常検知やパターン認識のための基本的な多変量解析法として普及している.特に近年では,センサーから取得されたデータをもとに設備機器の運転状況を監視する目的でMT法が適用された事例も報告されている.しかし,一般にセンサーから取得されたデータはノイズを伴って観測されるため,学習データから本質的な相関構造を推定することが難しい.</p><p>そこで,本論文では,センサー・データのようなノイズを伴って観測されるデータから本質的な相関構造を推定するため,MT法にガウシアン・グラフィカル・モデリングに基づく正則化のプロセスを導入することを提案する.提案プロセスでは,従来のMT法が精度行列に基づいて相関構造を推定することに着目する.そして,その行列の非対角要素の大半をゼロの値に置き換えることで推定すべきパラメータ数を削減し,本質的な相関構造を精度よく推定することが期待できる.本論文では,UCI機械学習レポジトリで公開されているデータの解析を通じて,提案プロセスの特徴と有用性を示している.また,モンテカルロ・シミュレーションを通じて,精度行列の非対角要素が厳密にゼロの値をとらない場合でも,センサー・データのようなノイズを伴って観測されるデータならば,学習データから本質的な相関構造を精度よく推定できることを実験的に示している.</p>
収録刊行物
-
- 応用統計学
-
応用統計学 46 (1), 13-26, 2017
応用統計学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1390282679419167616
-
- NII論文ID
- 130006286321
-
- NII書誌ID
- AN00330942
-
- ISSN
- 18838081
- 02850370
-
- NDL書誌ID
- 028374151
-
- 本文言語コード
- ja
-
- データソース種別
-
- JaLC
- NDL
- Crossref
- CiNii Articles
- KAKEN
-
- 抄録ライセンスフラグ
- 使用不可