JP6587950B2 - スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法 - Google Patents
スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法Info
- Publication number
- JP6587950B2 JP6587950B2 JP2016017906A JP2016017906A JP6587950B2 JP 6587950 B2 JP6587950 B2 JP 6587950B2 JP 2016017906 A JP2016017906 A JP 2016017906A JP 2016017906 A JP2016017906 A JP 2016017906A JP 6587950 B2 JP6587950 B2 JP 6587950B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- change point
- data
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000008859 change Effects 0.000 title claims description 176
- 238000000034 method Methods 0.000 title claims description 65
- 239000011159 matrix material Substances 0.000 claims description 101
- 238000001514 detection method Methods 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 35
- 230000005856 abnormality Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 35
- 238000004891 communication Methods 0.000 description 33
- 238000004364 calculation method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000007717 exclusion Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K89/00—Reels
- A01K89/015—Reels with a rotary drum, i.e. with a rotating spool
- A01K89/017—Reels with a rotary drum, i.e. with a rotating spool motor-driven
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K89/00—Reels
- A01K89/015—Reels with a rotary drum, i.e. with a rotating spool
- A01K89/0192—Frame details
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K89/00—Reels
- A01K89/015—Reels with a rotary drum, i.e. with a rotating spool
- A01K89/01931—Spool or spool shaft details
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K5/00—Casings; Enclosures; Supports
- H02K5/04—Casings or enclosures characterised by the shape, form or construction thereof
- H02K5/10—Casings or enclosures characterised by the shape, form or construction thereof with arrangements for protection from ingress, e.g. water or fingers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K5/00—Casings; Enclosures; Supports
- H02K5/04—Casings or enclosures characterised by the shape, form or construction thereof
- H02K5/18—Casings or enclosures characterised by the shape, form or construction thereof with ribs or fins for improving heat transfer
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K5/00—Casings; Enclosures; Supports
- H02K5/04—Casings or enclosures characterised by the shape, form or construction thereof
- H02K5/20—Casings or enclosures characterised by the shape, form or construction thereof with channels or ducts for flow of cooling medium
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K5/00—Casings; Enclosures; Supports
- H02K5/04—Casings or enclosures characterised by the shape, form or construction thereof
- H02K5/20—Casings or enclosures characterised by the shape, form or construction thereof with channels or ducts for flow of cooling medium
- H02K5/203—Casings or enclosures characterised by the shape, form or construction thereof with channels or ducts for flow of cooling medium specially adapted for liquids, e.g. cooling jackets
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K7/00—Arrangements for handling mechanical energy structurally associated with dynamo-electric machines, e.g. structural association with mechanical driving motors or auxiliary dynamo-electric machines
- H02K7/14—Structural association with mechanical loads, e.g. with hand-held machine tools or fans
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Complex Calculations (AREA)
Description
(a)ユーザによる通信トラヒックの変化、(b)ユーザ数の変化、
(c)基地局でのパラメータの変更、(d)基地局の新設や廃局、
(e)設備における故障や障害の発生
が挙げられる。
1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データから、当該時点に係る相関行列を生成して当該相関行列の固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成する特徴量生成手段と、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定する変化点決定手段と
してコンピュータを機能させる変化点検出プログラムが提供される。ここで、特徴量生成手段は、当該固有ベクトルと所定の基準ベクトルとのなす角度を特徴量(スカラ特徴量)とすることも好ましい。
特徴量生成手段は、同じグループに属する複数の時系列データから、各時点での相関行列を生成することも好ましい。
(a)第N(N≧1)の期間に係る当該複数の時系列データから、第Nの時点での相関行列を生成し、当該相関行列の第1主成分固有ベクトルの向きに対応するスカラ値を算出して、当該スカラ値を第Nの時点での特徴量とし、次いで、
(b)第Nの期間から見て時間単位分だけ時間経過方向にずれた第(N+1)の期間に係る当該複数の時系列データから、第Nの時点に次ぐ第(N+1)の時点での相関行列を生成し、当該相関行列の第1主成分固有ベクトルの向きに対応するスカラ値を算出して、当該スカラ値を第(N+1)の時点での特徴量とする
といった処理を、N値を順次増分させる形で繰り返して、当該特徴量時系列データを生成することも好ましい。
部分空間追跡法を用い、1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データに係る当該時点でのデータに基づいて、当該時間ウィンドウ内のデータによる相関行列の固有ベクトルに相当する固有ベクトルであって予め設定された初期の固有ベクトル又は前時点で更新された固有ベクトルを更新し、更新された当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成する特徴量生成手段と、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定する変化点決定手段と
してコンピュータを機能させる変化点検出プログラムが提供される。
1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データから、当該時点に係る相関行列を生成して当該相関行列の固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成する特徴量生成手段と、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定する変化点決定手段と
を有する変化点検出装置が提供される。
1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データから、当該時点に係る相関行列を生成して当該相関行列の固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成するステップと、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定するステップと
を有する変化点検出方法が提供される。
図1は、本発明による変化点検出装置の一実施形態における機能構成を示す機能ブロック図である。
(A)複数の時系列データから、1つの時点に係る相関行列を生成して当該相関行列の「固有ベクトル」を算出し、「固有ベクトル」の向きに対応するスカラ値を特徴量(「スカラ特徴量」)として、各時点での「スカラ特徴量」を含む特徴量時系列データを生成し、
(B)生成した特徴量時系列データでの「スカラ特徴量」の変動に基づいて、時系列データの変化点を決定する。
(C)当初、取得された時系列データを、当該時系列データ同士の相関の度合いに基づいてグループに分類し、同じグループに属する複数の時系列データから、各時点での相関行列を生成して変化点検出を行う
ことも好ましい。
同じく、図1に示した機能ブロック図によれば、変化点検出装置1は、通信インタフェース101と、時系列データ蓄積部102と、クループ情報記憶部103と、特徴量時系列記憶部104と、ディスプレイ(DP)105と、キーボード(KB)106と、プロセッサ・メモリとを有する。ここで、プロセッサ・メモリは、変化点検出装置1のコンピュータを機能させるプログラムを実行することによって、変化点検出機能を実現させる。
(a)時系列データ同士の相関の度合い、及び/又は
(b)時系列データの有する属性
に基づいてグループに分類する。ここで、上記(a)に基づいて分類処理を実施する場合、本実施形態では、入力した時系列データから相関行列又は分散共分散行列を生成し、この相関行列又は分散共分散行列の行列要素の値に基づいて、相関の度合いが所定以上である時系列データを同じグループに分類する。これは、入力した複数の時系列データを、系列毎の(例えばデータ出所としての基地局毎の)時系列データの変動についての類似度に基づいて、複数のグループに分類していることに相当する。
(a)グループ情報記憶部103から取得した分類情報に基づき、時系列データ蓄積部102から時系列データ調整部111を介して、同じグループに属する複数の時系列データを取得し、
(b)取得した複数の時系列データから、1つの時点に係る相関行列を生成して当該相関行列の第1主成分固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値を特徴量(スカラ特徴量)として、各時点でのスカラ特徴量を含む特徴量時系列データを生成する。
ここで、スカラ特徴量として、当該固有ベクトルと所定の基準ベクトルとのなす角度(又は内積値)を採用することができる。
(a)最初に第N(N≧1)の期間(ウィンドウ)に係る複数の時系列データから、第Nの時点での(疑似)相関行列を生成し、
(b)生成した(疑似)相関行列の第1主成分固有ベクトルの向きに対応するスカラ値、例えば基準ベクトルに対する角度、を算出して、このスカラ値を第Nの時点での特徴量とし、
(c)次いで、第Nの期間から見て時間単位分だけ時間経過方向にずれた第(N+1)の期間(ウィンドウ)に係る複数の時系列データから、第Nの時点に次ぐ第(N+1)の時点での(疑似)相関行列を生成し、
(d)生成した(疑似)相関行列の第1主成分固有ベクトルの向きに対応するスカラ値、例えば基準ベクトルに対する角度、を算出して、このスカラ値を第(N+1)の時点での特徴量とし、
(e)このような処理を、N値を順次1だけ増分させる形で繰り返して、特徴量時系列データを生成する。
このように、時刻の経過とともにウィンドウをずらして新たな時系列データのバッチが取得される毎に固有値解析を行い、特徴量時系列データを導出するバッチ処理が行われるのである。
(a)当初は、予め設定された初期の固有ベクトルを更新し、
(b)前時点で更新された固有ベクトルが存在する場合、当該前時点で更新された固有ベクトルをさらに更新し、
更新された固有ベクトルの向きに対応するスカラ値を、この新たな時点での特徴量として、各時点での特徴量を含む特徴量時系列データを生成する。
(10) yt=wT t-1・xt
dt=β・dt-1+yt 2
et=xt−wt-1・yt
wt=wt-1+et・yt/dt
を用いて算出する。ここで、dtは、時刻tの観測ベクトルxtによって更新された固有値相当量であり、βは忘却係数である。上式(10)によって算出された時刻tでの固有ベクトルwtは、時刻tの観測ベクトルxtによって更新された固有ベクトルに相当する。
(11) θt=cos-1(wT t・a)
を用いて算出する。ここで、aは基準ベクトルである。このような上式(10)及び(11)を用いた処理を、経過する時刻毎に行って特徴量を算出することにより、時刻(t+p)毎に特徴量θ(t+p)を対応付けた特徴量時系列データが生成される。ちなみに、このアルゴリズムの初期パラメータとしての初期固有ベクトルw(0)、及び初期固有値d(0)はそれぞれ、ゼロベクトル以外の任意のベクトル、及びゼロ以外の任意のスカラ値とすることができる。
(a)当初、図5に示したようなバッチ処理によって、複数の時系列データの(疑似)相関行列を生成して、第1主成分固有ベクトル及び対応する固有値を算出し、
(b)初回の時刻だけ、又は初回の時刻から所定数の時間単位経過後の時刻まで、上記(a)の固有値解析によって、当該時刻での特徴量を算出し、
(c)その直後の時刻において、上記(b)で算出された固有ベクトルを初期固有ベクトルとし、部分空間追跡法を用いて、複数の時系列データに係る当該時刻でのデータに基づき、この初期固有ベクトルを更新して、更新された初期固有ベクトルの向きに対応するスカラ値を、当該新たな時点での特徴量とし、
(d)その後、各時刻において、図6に示したような部分空間追跡法を用いた処理によって特徴量を算出し、特徴量時系列データを生成する
ことも好ましい。
(e)当初から所定期間経過後の時刻において、再度、当該時刻に係る時系列データの(疑似)相関行列を生成し、第1主成分固有ベクトル(及び対応する固有値)を算出して、特徴量を算出する
ことも好ましい。この後は、新たな時刻毎に、引き続き固有値解析を行って特徴量を算出してもよいし、または、これらの固有ベクトル及び固有値を部分空間追跡法のパラメータとして順次更新して、当該時刻での特徴量を算出してもよい。
(a)当該時刻での角度と1つ前の時刻での角度との差(角度差)が、予め設定された所定閾値を超える場合に、当該時刻において変化点が存在すると決定する方法
が挙げられる。
(b)特徴量時系列データにおけるある時刻でのデータ値と、予め設定された時系列予測モデルにおける当該時刻でのデータ値との誤差が、予め設定された所定閾値を超える場合に、当該時刻において変化点が存在すると決定する方法
を用いることもできる。ここで、このような時系列予測モデルとの比較処理は、変化点決定部114のモデル比較部114cで実施される。また、予め設定される時系列予測モデルとして、例えば、時系列データを予測するのに一般的に用いられるAR(自己回帰)モデルを採用してもよい。線形のARモデルでは、目的変数は目的変数の過去値を説明変数とし、モデルを表す多項式の係数は、通常、最尤法で決定される。
図7は、本発明による変化点検出方法の一実施形態を、各機能構成部での処理フローとして示すフローチャートである。以下、図7(A)、図7(B)及び図7(C)を用いて、本実施形態の変化点検出方法におけるフローの概要を説明する。
(S11)最初に、各系列の最新時系列データを取得する。
(S12)系列毎に、時系列データを、時系列データ蓄積部102に蓄積する。
(S14)一方、ステップS13において真の判定が行われた場合、判定された時系列データから最古データを削除した上で、当該時系列データを次のグルーピング処理対象とする。
(S21)データ長を調整された全時系列データを読み込む。
(S22)各時系列データを各行とした相関行列を生成する。
(S23)生成された相関行列の行列要素に基づいて、相関の度合いが所定以上である時系列データを同じグループに分類する。
(S24)分類先のグループIDを、系列IDに紐づけてグループ情報記憶部103に記憶する。
(S31)グループ情報を参照し、時系列データをグループ毎に読み込む。
(S32)1つのグループ内の各時系列データを各列とした行列Xを生成する。
(S33)行列Xから疑似相関行列Cを生成し、スカラ特徴量θを算出する。
(S34)当該グループの特徴量時系列データを、特徴量時系列記憶部104に記憶する。
(S35)特徴量時系列データに対する変化点検出スコアを算出し、変化点を検出する。
以上、ステップS11からステップS35までの処理をによって、本変化点検出方法の実施が完了する。
101 通信インタフェース
102 時系列データ蓄積部
103 グループ情報記憶部
104 特徴量時系列記憶部
105 ディスプレイ
106 キーボード
111 時系列データ調整部
112 データグルーピング部
112t トレンド成分除外部
113 特徴量生成部
113n 正規化処理部
113p 部分空間追跡部
114 変化点決定部
114c モデル比較部
115 入出力制御部
Claims (11)
- 時系列データから傾向変化や異常を示す変化点を検出する装置に搭載されたコンピュータを機能させる変化点検出プログラムであって、
1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データから、当該時点に係る相関行列を生成して当該相関行列の固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成する特徴量生成手段と、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定する変化点決定手段と
してコンピュータを機能させることを特徴とする変化点検出プログラム。 - 前記変化点検出プログラムは、取得された時系列データを、当該時系列データ同士の相関の度合い及び/又は当該時系列データの有する属性に基づいてグループに分類するデータグルーピング手段として、コンピュータを更に機能させ、
前記特徴量生成手段は、同じグループに属する複数の時系列データから、各時点での相関行列を生成する
ことを特徴とする請求項1に記載の変化点検出プログラム。 - 前記データグルーピング手段は、当該時系列データから相関行列又は分散共分散行列を生成し、当該相関行列又は当該分散共分散行列の行列要素の値に基づいて、相関の度合いが所定以上である時系列データを同じグループに分類することを特徴とする請求項2に記載の変化点検出プログラム。
- 前記データグルーピング手段は、当該時系列データのトレンド成分を抽出し、当該時系列データから当該トレンド成分を除外した時系列データをグループに分類することを特徴とする請求項2又は3に記載の変化点検出プログラム。
- 前記特徴量生成手段は、当該複数の時系列データに対し、ボリューム比をそろえる正規化処理を行った上で、当該複数の時系列データの相関行列を生成することを特徴とする請求項1から4のいずれか1項に記載の変化点検出プログラム。
- 前記特徴量生成手段は、第N(N≧1)の期間に係る当該複数の時系列データから、第Nの時点での相関行列を生成し、当該相関行列の第1主成分固有ベクトルの向きに対応するスカラ値を算出して、当該スカラ値を第Nの時点での特徴量とし、次いで、第Nの期間から見て時間単位分だけ時間経過方向にずれた第(N+1)の期間に係る当該複数の時系列データから、第Nの時点に次ぐ第(N+1)の時点での相関行列を生成し、当該相関行列の第1主成分固有ベクトルの向きに対応するスカラ値を算出して、当該スカラ値を第(N+1)の時点での特徴量とする処理を、N値を順次増分させる形で繰り返して、当該特徴量時系列データを生成することを特徴とする請求項1から5のいずれか1項に記載の変化点検出プログラム。
- 前記特徴量生成手段は、部分空間追跡法を用いて、当該複数の時系列データに係る新たな時点でのデータに基づいて、算出された当該固有ベクトルを更新し、更新された当該固有ベクトルの向きに対応するスカラ値を、当該新たな時点での特徴量とすることを特徴とする請求項1から6のいずれか1項に記載の変化点検出プログラム。
- 前記特徴量生成手段は、当該固有ベクトルと所定の基準ベクトルとのなす角度を特徴量とすることを特徴とする請求項1から7のいずれか1項に記載の変化点検出プログラム。
- 時系列データから傾向変化や異常を示す変化点を検出する装置に搭載されたコンピュータを機能させる変化点検出プログラムであって、
部分空間追跡法を用い、1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データに係る当該時点でのデータに基づいて、当該時間ウィンドウ内のデータによる相関行列の固有ベクトルに相当する固有ベクトルであって予め設定された初期の固有ベクトル又は前時点で更新された固有ベクトルを更新し、更新された当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成する特徴量生成手段と、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定する変化点決定手段と
してコンピュータを機能させることを特徴とする変化点検出プログラム。 - 時系列データから傾向変化や異常を示す変化点を検出する変化点検出装置であって、
1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データから、当該時点に係る相関行列を生成して当該相関行列の固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成する特徴量生成手段と、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定する変化点決定手段と
を有することを特徴とする変化点検出装置。 - 時系列データから傾向変化や異常を示す変化点を検出する装置における変化点検出方法であって、
1つの時点で決定される時間ウィンドウ内のデータを含む複数の時系列データから、当該時点に係る相関行列を生成して当該相関行列の固有ベクトルを算出し、当該固有ベクトルの向きに対応するスカラ値であって当該時間ウィンドウ内のデータの変動傾向を反映したスカラ値を当該時点に係る特徴量として、連続する複数の時点に係る当該特徴量を含む特徴量時系列データを生成するステップと、
当該特徴量時系列データでの特徴量の変動に基づいて、当該時系列データの変化点を決定するステップと
を有することを特徴とする変化点検出方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016017906A JP6587950B2 (ja) | 2016-02-02 | 2016-02-02 | スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法 |
KR1020170039004A KR102374340B1 (ko) | 2016-02-02 | 2017-03-28 | 낚시용 전동 릴 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016017906A JP6587950B2 (ja) | 2016-02-02 | 2016-02-02 | スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017138708A JP2017138708A (ja) | 2017-08-10 |
JP6587950B2 true JP6587950B2 (ja) | 2019-10-09 |
Family
ID=59564964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016017906A Active JP6587950B2 (ja) | 2016-02-02 | 2016-02-02 | スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6587950B2 (ja) |
KR (1) | KR102374340B1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6602256B2 (ja) * | 2016-05-17 | 2019-11-06 | Kddi株式会社 | 相互相関に基づいて時系列変化点を検出可能なプログラム、装置及び方法 |
JP7029362B2 (ja) * | 2018-08-16 | 2022-03-03 | 三菱重工業株式会社 | 異常検出装置、異常検出方法、及びプログラム |
CN117668762B (zh) * | 2024-01-31 | 2024-05-17 | 新疆三联工程建设有限责任公司 | 用于住宅地下渗漏的监测预警系统及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3159619B2 (ja) | 1995-03-07 | 2001-04-23 | ダイワ精工株式会社 | 魚釣用電動リール |
JP2001057834A (ja) * | 2000-01-01 | 2001-03-06 | Daiwa Seiko Inc | 魚釣用電動リール |
JP4468131B2 (ja) * | 2004-10-06 | 2010-05-26 | 株式会社エヌ・ティ・ティ・データ | 異常値検出装置、変化点検出装置及び異常値検出方法、変化点検出方法 |
US7620523B2 (en) * | 2007-04-30 | 2009-11-17 | Integrien Corporation | Nonparametric method for determination of anomalous event states in complex systems exhibiting non-stationarity |
JP5424338B2 (ja) * | 2010-03-18 | 2014-02-26 | 日本電気株式会社 | 衛星測位システムの異常値検出装置、異常値検出方法及び異常値検出プログラム |
JP5874298B2 (ja) * | 2011-10-14 | 2016-03-02 | 富士電機株式会社 | 負荷予測装置、空調システム、負荷予測プログラムおよび負荷予測方法 |
JP6046385B2 (ja) * | 2012-06-18 | 2016-12-14 | 株式会社シマノ | 電動リールのレベルワインド機構 |
JP5961455B2 (ja) * | 2012-06-18 | 2016-08-02 | 株式会社シマノ | 両軸受リールのレベルワインド機構、両軸受リールおよび電動リール |
-
2016
- 2016-02-02 JP JP2016017906A patent/JP6587950B2/ja active Active
-
2017
- 2017-03-28 KR KR1020170039004A patent/KR102374340B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20170113304A (ko) | 2017-10-12 |
JP2017138708A (ja) | 2017-08-10 |
KR102374340B1 (ko) | 2022-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | Mutual information based anomaly detection of monitoring data with attention mechanism and residual learning | |
JP6609050B2 (ja) | 時間的因果グラフにおける異常フュージョン | |
CN111368980B (zh) | 状态检测方法、装置、设备及存储介质 | |
CN108429651A (zh) | 流量数据检测方法、装置、电子设备及计算机可读介质 | |
EP2963553B1 (en) | System analysis device and system analysis method | |
CN109818798A (zh) | 一种融合kpca和elm的无线传感器网络入侵检测系统及方法 | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和系统 | |
JP6587950B2 (ja) | スカラ特徴量によって時系列変化点を検出可能なプログラム、装置及び方法 | |
EP2963552B1 (en) | System analysis device and system analysis method | |
KR101924352B1 (ko) | 트랜드 분석에 기반하는 이슈 검출방법 및 그 장치 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
JP6602256B2 (ja) | 相互相関に基づいて時系列変化点を検出可能なプログラム、装置及び方法 | |
US20230388202A1 (en) | Methods and systems for inferred information propagation for aircraft prognostics | |
CN116823227A (zh) | 一种基于物联网的智能设备管理系统及方法 | |
CN117076258A (zh) | 一种基于互联网云端的远程监控方法及系统 | |
KR102359090B1 (ko) | 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템 | |
Tornai et al. | Recurrent neural network based user classification for smart grids | |
Karthik et al. | Data trust model for event detection in wireless sensor networks using data correlation techniques | |
CN117041017A (zh) | 数据中心的智能运维管理方法及系统 | |
CN117093883A (zh) | 智慧燃气异常数据分析方法、物联网系统和装置及介质 | |
CN117763555A (zh) | 一种基于区块链的配电网数据安全防护和评估方法 | |
Kim et al. | Improving Method of Anomaly Detection Performance for Industrial IoT Environment. | |
Kubota et al. | Anomaly detection from online monitoring of system operations using recurrent neural network | |
CN115932144B (zh) | 色谱仪性能检测方法、装置、设备和计算机介质 | |
CN110770753B (zh) | 高维数据实时分析的装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20160226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160229 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180612 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180612 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190301 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190423 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190909 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190911 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6587950 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |