建筑物中的传感器类型分类
机器学习
2015-09-03 v1
摘要
商业建筑中部署了许多传感器/仪表以监测和优化其性能。然而，由于不同建筑的传感器元数据不一致，基于软件的解决方案与每栋建筑的传感器元数据约定（即模式和命名）紧密耦合。在不同建筑间运行相同的软件需要大量的集成工作。元数据归一化对于扩展部署过程至关重要，它使我们能够将特定于建筑的约定与为建筑应用编写的代码解耦。它还使我们能够处理缺失的元数据。归一化的一个重要方面是根据所观测现象的类型来区分传感器。在本文中，我们提出了一种通用、简单且有效的分类方案，按类型区分建筑物中的传感器。我们对两栋建筑中收集的来自 2000 多个传感器流的数据进行了集成学习。我们的方法在建筑内部的分类准确率超过 92%，在跨建筑的分类准确率超过 82%。我们还引入了一种识别潜在误分类流的方法。这很重要，因为它使我们能够识别从专家那里获取更多输入的机会——这些输入在无法获得真实标签时有助于提高分类准确率。我们表明，通过调整阈值，我们能够识别出至少 30% 的误分类实例。
引用
@article{arxiv.1509.00498,
title = {Sensor-Type Classification in Buildings},
author = {Dezhi Hong and Jorge Ortiz and Arka Bhattacharya and Kamin Whitehouse},
journal= {arXiv preprint arXiv:1509.00498},
year = {2015}
}