Principal Component Analysis (PCA) for Feature Selection at the Diagnosis of Electrical Circuits

• Autorzy: Sałat R. , Osowski S. , Siwek K.

Warianty tytułu

PL

Analiza składników głównych w zastosowaniu do selekcji cech diagnostycznych obwodów elektrycznych

• Języki publikacji: EN

Abstrakty

EN

The paper presents the application of the Principal Component Analysis (PCA) to the analysis and comparison of different multidimensional feature vectors describing the given analogue circuit for the diagnosis purposes. The diagnosis is regarded here as the recognition of the faulty element in the circuit. Usually the PCA results reveal that only few first principal components are important from the point of view of the reconstruction of the compressed original information. These components contain normally more than 90% of the whole information. Presenting the investigated process on the plane composed by the first two components can reveal the ability of the features to discriminate between different states of the electrical circuit. On the basis of this we can asses the usefulness of these features for the diagnosis purposes.

PL

Praca przedstawia zastosowanie transformacji według składników głównych (PCA) w selekcji cech wzorca najlepiej charakteryzujących obwód analogowy podlegający diagnostyce. Diagnostyka jest rozumiana jako zadanie rozpoznania uszkodzonego elementu w obwodzie, gdzie pod pojęciem uszkodzenia rozumie się zmianę wartości parametru elementu poza przyjęty zakres tolerancji. Analiza PCA pozwala określić rozkład wartości głównych, z których zwykle dwa są dominujące. Rzutując dane pomiarowe na te dwa najważniejsze składniki główne otrzymuje się wizualizację rozkładu danych wielowymiarowych na płaszczyźnie. Z analizy rozkładów odpowiadających różnym wektorom cech wzorca można wnioskować o lepszym lub gorszym zróżnicowaniu cech diagnostycznych wybranej reprezentacji wzorca. Przedstawiona metoda została zilustrowana na przykładzie diagnostyki analogowego filtru RC drugiego rzędu.

Słowa kluczowe

EN

diagnosis of electrical circuits; principal component analysis; feature selection

PL

diagnostyka obwodów analogowych; analiza składników głównych; selekcja cech

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2003
• Tom: R. 79, nr 10
• Strony: 667--670
• Opis fizyczny: Bibliogr. 7 poz., rys., tab., wykr.

Twórcy

autor

Sałat R.

• Warsaw University of Agriculture, Warsaw, Poland

autor

Osowski S.

• Institute of the Theory of Electrical Engineering and Electrical Measurements, Warsaw University of Technology, Warsaw, Poland and the Military University of Technology, Warsaw

autor

Siwek K.

• Institute of the Theory of Electrical Engineering and Electrical Measurements, Warsaw University of Technology, Warsaw, Poland

Bibliografia

• [1] A. Cichocki, R. Unbehauen, Neural networks for optimization and signal processing. Wiley, 1993
• [2] G. Golub, C. Van Loan, Matrix computations, Academic Press. 1991, NY
• [3] S. Haykin, Neural networks, comprehensive foundation. Prentice Hall, 1999, New Jersey
• [4] S. Osowski, Sieci neuronowe do przetwarzania informacji. OW PW, Warszawa, 2000
• [5] K. I Diamantaras, S. Y. Kung, Principal component neural networks. Wiley, N. Y., 1996
• [6] V. Vapnik, Statistical learning theory, Wiley, New York, 1998
• [7] C. J. Burges, A tutorial on Support Vector Machines for pattern recognition, (in “Knowledge discovery and data mining“, ed. Usama Fayyad, Kluwer), 2000, pp. 1-4