基于鲁棒稀疏PCA的工业异常检测

摘要：

主元分析(principal component analysis,PCA)方法由于原理简单计算方便,被普遍应用于工业无监督异常检测,但具有异常值敏感且所得主元非稀疏等问题.针对传统鲁棒稀疏PCA没有从根本上解决异常值敏感问题且没有给定稀疏度的确定方式,提出了一种改进的工业异常检测方法IRSPCA(improved robust sparse PCA).具体地,在对L1范数最大化处理以及L0范数惩罚项引入的基础上,提出了用于平衡稀疏性和方差的稀疏性准则,基于该准则开发了一种两阶段稀疏度选择策略,并利用遗传算法求得了主元稀疏度的最优解.另外,设计了基于预测误差平方和(squared prediction error,SPE)统计量的异常值剔除策略,用于增强方法的整体鲁棒性.通过数值仿真和真实烟支成品检测两个案例开展了实验验证.结果显示IRSPCA综合性能均优于传统PCA和鲁棒稀疏PCA方法,充分验证了方法的有效性和优越性.

关键词：异常检测、主元分析法、稀疏度、预测误差平方和、烟支成品

所属期刊栏目：22

分类号：TP311.13(计算技术、计算机技术)

在线出版日期：2022-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：6164-6171