Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2019 - zeszyt 3

Development of automatic classifier for sensor measurements of an industrial process

(Automatyczna klasyfikacja w procesie przemysłowym w sieci czujników)

10.15199/48.2019.03.22

nr katalogowy: 118967
10.15199/48.2019.03.22

Streszczenie

Clustering algorithms are usually based on an initial estimate of cores, have performance dependent on the number of clusters and dimension of the data, and are performed offline. Thus, by categorizing a highly coupled sensor network as an industrial plant, it is necessary that all these characteristics are achieved. The article presents an improvement of the TEDA-Cloud, based on the Typicity and Eccentricity Data Analitics (TEDA). In this way,the proposed (TEDA-Cloud modified), method reduces the amount of stored data for merging cores and speeds up the classification of the presented data.

Abstract

Algorytmy klastrowania sa˛ zwykle oparte na wste˛pnym oszacowaniu rdzeni, maja˛ wydajnos´c´ zalez˙na˛ od liczby klastrów i wymiarów danych i sa˛ wykonywane w trybie offline. Zatem, poprzez kategoryzowanie wysoce sprze˛z˙onej sieci czujników jako instalacji przemysłowej, konieczne jest, aby wszystkie te cechy zostały osia˛gnie˛ te. W artykule przedstawiono ulepszenie chmury TEDA opartej na analizie typowos´ci i ekscentrycznos´ci danych (TEDA). W ten sposób proponowana (zmodyfikowana TEDA-Cloud) metoda zmniejsza ilos´c´ przechowywanych danych do ła˛czenia rdzeni i przyspiesza klasyfikacj˛e prezentowanych danych.

Słowa kluczowe

Keywords

Bibliografia

[1] Angelov P., Gu Xiaowe., Gutierrez G., Iglesia J. A., Guedes L. A., Sanchis A.: Autonomous data density based clustering method, IEEE International Joint Conference on Neural Networks (IJCNN), Vancouver, BC, Canada, 24-29 July, 2016.
[2] Bezerra C. G., Costa B. S. J., Guedes L. A., Angelov P. A.: A new evolving clustering algorithm for online data streams, IEEE Conference on Evolving and Adaptative Intelligent Systems (EAIS), pp. 162-168, Natal, 2016.
[3] Costa B. S. J., Bezerra C. G., Guedes L. A., Angelov P.: Online fault detection based on typicality and eccentricity data analytics, International Joint Conference on Neural Networks (IJCNN), Killarney, Ireland, 12-17 July, 2015.
[4] MacQueen J.: Some methods for classification and analysis of multivariate observations, Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, University of California Press, Berkeley, Calif., 1, pp. 281-297, 1967.
[5] Khanmohammadi S., Naiier Adibeig N., Samaneh Shanehbandy S.: An improved overlapping k-means clustering method for medical applications, Expert Systems With Applications, 67, pp. 12-18, Jan., 2017.
[6] Kamath R. S., Kamat R. K.: K-means clustering for analyzing productivity in light of R D spillover, International Journal of Information Technology, Modeling and Computing (IJITMC), 4, May, 2016.
[7] Punj G., Stewart D. W.: Cluster analysis in marketing research: review and suggestions for application, Journal of Marketing Research, 20, pp. 134-148, May, 1983.
[8] Alkilany A., Ahmed A., Said H., Bakar A. A.: Application of the k-means clustering algorithm to predict load shedding of the Southern Electrical Grid of Libya, Fourth edition of the International Conference on the Innovative Computing Technology (INTECH 2014), Luton, UK, 13-15 Aug., 2014.
[9] Zakharov K.: Application of k-means clustering in psychological studies, Tutorials in Quantitative Methods for Psychology, 12, pp. 87-100, 2016.
[10] Hartigan J. A.: Clustering algorithms, John Wiley Sons, Inc., 99th. ed. New York, NY, USA, 1975. ISBN ISBN: 047135645X
[11] Pietrzykowski M., Plucinski M.: Mini-model method based on k-means clustering, Przeglad Elektrotechniczny, pp. 73-76, Jan., 2017.
[12] Kangin D., Angelov P., Iglesias, J. A.: Autonomously evolving classifier TEDAClass, Information Sciences, 366, pp. 1-11, 2016.
[13] Angelov P.: Anomaly detection based on eccentricity analylis, IEEE Symposium on Evolving and Autonomous Learning Systems (EALS), Orlando, FL, USA, 9-12 Dec., 366, pp. 32-58, 2016.
[14] Bezerra C. G., Costa B. S. J., Guedes L. A., Angelov P.: An evolving approach to unsupervised and real-time fault detection in industrial processes, Expert systems with applications, 63, pp. 134-144, 2016.
[15] Angelov P.: Outside the box: An alternative data analitcs frame-work, Journal of automation, Mobile Robotics and Intelligent Systems, 8, pp. 53-59, 2014.
[16] Saw J. G., Yang M. C. K., Mo T. S. E. C.: Chebyshev inequality with estimated mean and variance, The American Statistician, 38, pp. 130-132, 1984.
[17] Downs J. J., Voguel E. F.: A plant-wide industrial process control problem, Computers Chemical Engineering, 17, pp. 142- 149, June, 1993.
[18] Tyréus B. D., Voguel E. F.: Dominant variables for partial control. 2. Application to the Tennessee Eastman challenge process, Industrial & Engineering Chemistry Research, 38, pp. 1444-1455, 1999.
[19] Fränti P., Sieranoja S.: Clustering datasets,
[web page] http://cs.joensuufi/sipu/datasets/.
[Accessed on 10 July 2018.].

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 118967 "Development of automatic ..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2019-3 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2019-3

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma