基于正交局部保持投影与极大似然估计的过程监控
统计方法学
2020-12-15 v1 机器学习
摘要
通过整合密度约简与内蕴维数估计两种强有力的方法，本文提出一种称为 OLPP-MLE（正交局部保持投影-极大似然估计）的数据驱动新方法，用于过程监控。OLPP 用于降维，其局部保持能力优于局部保持投影（locality preserving projection）。随后，采用 MLE 估计 OLPP 的内蕴维数。在所提出的 OLPP-MLE 中，定义了两个用于故障检测的静态统计量 和 。为降低算法复杂度并忽略数据分布，采用核密度估计计算故障诊断的阈值。通过三个案例研究证明了所提方法的有效性。
引用
@article{arxiv.2012.07021,
title = {Process monitoring based on orthogonal locality preserving projection with maximum likelihood estimation},
author = {Jingxin Zhang and Maoyin Chen and Hao Chen and Xia Hong and Donghua Zhou},
journal= {arXiv preprint arXiv:2012.07021},
year = {2020}
}