Elektromos berendezések felismerése soft computing módszerrel

OData támogatás
Konzulens:
Molnár Károly
Méréstechnika és Információs Rendszerek Tanszék

Napjainkra a számítási kapacitás, valamint a megoldandó problémák komplexitásának

növekedésével folyamatosan teret hódítanak az információs rendszerekben alkalmazott lágy

számítási módszerek. Egy ígéretes felhasználási terület az épületautomatizálásban az elekt-

romos berendezések felismerése azok fogyasztási paraméterei alapján. Az ily módon azono-

sított fogyasztók monitorozhatók, ennek során felderíthetőek az adott fogyasztási szokások,

valamint az esetleges hibás működés is.

A dolgozat célja egy olyan működő felismerő rendszer megvalósítása MATLAB környe-

zetben, amely megfelelő pontossággal alkalmas a hálózatban használt fogyasztók identifi-

kációjára. A tervezés során figyelembe kell venni a jövőbeni beágyazott alkalmazhatóságot

is – különös tekintettel a véges számítási kapacitásra, valamint a pontosságra.

Áttekintjük a téma ismert kutatási eredményeit, és alkalmazási lehetőségeit. Ezen ered-

mények a dolgozat kiindulási alapjaként szolgáltak, kitérünk e cikkekben alkalmazott egyes

módszerekre.

Ismertetésre kerülnek a jellemzővektorok előállítása során fellépő nehézségek, különös

tekintettel a magas dimenzióban reprezentált adatok problémájára. Két, széles körben al-

kalmazott megoldást vizsgálunk meg – ezek a Főkomponens Analízis (PCA), valamint

Lineáris Diszkrimináns Analízis (LDA). Tárgyaljuk a nem hierarchikus klaszterezési mód-

szerek azon körét, amelyek a feladat megoldása tekintetében relevánsak – ezek a k-means,

kernel k-means és a Gaussian Mixture Model (GMM).

Áttekintjük az egyes osztályozási technikákat, valamint megvizsgáljuk jelen feladatra

való alkalmazhatóságukat – különös tekintettel a magas számítási igény és a felismerési

pontosság szempontjából. Az alábbi osztályozók kerültek elemzésre: neurális hálózat, KNN

módszer, valamint más távolság alapú osztályozók.

Kitérünk a felismerési hatékonyság problémáira, emellett ismertetésre kerülnek az ezek

elemzésére alkalmas technikák – ezek a ROC analízis és a konfúziós mátrix.

A rendszer tesztelése valós adatokon, keresztvalidált módon történt. A megvalósított

felismerő algoritmus megfelelő pontossággal már működik, de további javaslatokat teszünk

a rendszer pontosságának növelése érdekében.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.