Tytuł pozycji:
Development of automatic classifier for sensor measurements of an industrial process
Clustering algorithms are usually based on an initial estimate of cores, have performance dependent on the number of clusters and dimension of the data, and are performed offline. Thus, by categorizing a highly coupled sensor network as an industrial plant, it is necessary that all these characteristics are achieved. The article presents an improvement of the TEDA-Cloud, based on the Typicity and Eccentricity Data Analitics (TEDA).Inthisway,theproposed(TEDA-Cloudmodified),methodreducestheamountofstoreddataformergingcoresandspeedsuptheclassification of the presented data.
Algorytmy klastrowania są zwykle oparte na wstępnym oszacowaniu rdzeni, mają wydajność zależną od liczby klastrów i wymiarów danych i są wykonywane w trybie offline. Zatem, poprzez kategoryzowanie wysoce sprzężonej sieci czujników jako instalacji przemysłowej, konieczne jest, aby wszystkie te cechy zostały osiągnięte. W artykule przedstawiono ulepszenie chmury TEDA opartej na analizie typowości i ekscentryczności danych (TEDA). W ten sposób proponowana (zmodyfikowana TEDA-Cloud) metoda zmniejsza ilość przechowywanych danych do łączenia rdzeni i przyspiesza klasyfikację prezentowanych danych.
Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).
