基于 L1 核主成分分析的化学传感器异常检测
信号处理
2022-09-30 v2
摘要
我们提出一种基于核 PCA 的方法来检测化学传感器中的异常。我们利用化学传感器产生的时间信号构成向量以执行主成分分析 (PCA)。我们估计传感器数据的核协方差矩阵，并计算对应于协方差矩阵最大特征值的特征向量。通过比较实际传感器数据与由主导特征向量重建数据之间的差异可检测异常。本文中，我们引入一种无乘法的新型核，它与 l1 范数相关，用于异常检测任务。l1 核 PCA 不仅计算高效，而且节能，因为在核协方差矩阵计算过程中不需要任何实际乘法。我们的实验结果表明，我们的核 PCA 方法取得了比基线常规 PCA 方法更高的曲率下面积 (AUC) 分数 (0.7483 对比 0.7366)。
引用
@article{arxiv.2201.02709,
title = {Detecting Anomaly in Chemical Sensors via L1-Kernels based Principal Component Analysis},
author = {Hongyi Pan and Diaa Badawi and Ishaan Bassi and Sule Ozev and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2201.02709},
year = {2022}
}
备注
This paper has been accepted to IEEE Sensors Letters