- 著者
-
荒木 英人
村川 正宏
小林 匠
樋口 哲也
久保田 一
大津 展之
- 出版者
- 一般社団法人情報処理学会
- 雑誌
- 研究報告数理モデル化と問題解決(MPS) (ISSN:09196072)
- 巻号頁・発行日
- vol.2009, no.19, pp.73-76, 2009-02-26
多チャンネルの時系列データからの異常検知は,時系列データ源の状態や変化を検知する上で重要である.そこで我々は多チャンネルの時系列データから高次局所相関に基づいた特徴量を抽出し,抽出した特徴量より異常の検知を行う.普段頻繁に得られるデータを正常パターンとして,主成分分析を行うことでそのパターンの成す正常部分空間を抽出する.得られた空間からの逸脱度を異常値として定義し,この値の多寡で異常を検知する.本手法の性能評価のため,心電図データを対象として,異常検知性能の評価量にF値を用い,従来手法と比較した.その結果,提案手法の優位性を示すことができた.Abnormality detection in multi-channel time-series data is important for detecting and understanding changes of states in the source of the data. We propose a method for automatically detecting abnormality by using correlation-based features of multi-channel time-series data. In general, the feature vectors for normal patterns, which occur frequently in time-series, form the low-dimensional subspace in the feature space. The proposed method exploit the subspace by PCA and defines the abnormality as deviation from the subspace. In the experiment of abnormality detection in electrocardiogram, the proposed method outperformed conventional methods in terms of F-measure.