센서 판독값을 수집하고, 나타나는 피크 모양에서 프로세스 문제에 대한 여러 '지표'에 가장 가까운 피크 모양을 분류할 수 있는 프로세스를 조립하려고 합니다. 이를 달성하기 위해 지표 피크(위 참조)와 '테스트' 피크(위 참조)의 데이터 집합을 Functional Data Explorer 플랫폼에서 실행합니다. 이 플랫폼에서 모델을 적용하여 '지표' 피크에 맞추고(테스트 피크는 검증 집합으로 남겨둠) 생성된 FPC 점수를 저장합니다.
지금 제가 하고 싶은 것은 FPC 점수에 따라 '테스트' 피크를 '지표' 피크와 가장 일치하는 피크로 분류하는 것입니다(아래의 예시 시각화 참조). 제가 겪고 있는 문제는 이러한 피크를 분류하는 적절한 방법을 알아내는 것입니다. 제가 목표로 하는 범주는 '지표' 하나뿐입니다. '정상'에 대한 또 다른 뚜렷한 그룹은 없습니다. 모양, 형태 등이 많을 수 있고, 이는 대규모 학습 세트로 이어질 수 있기 때문입니다. 가장 일치하는 테스트 피크를 찾는 방법에 대한 제안을 해줄 수 있는 사람이 있나요?
클러스터링이 가능하다는 건 알지만, 지표와 비교하여 클러스터링되는 '통제'를 통해 클러스터링하는 방법이 있을까요?
제가 하는 접근 방식에 대한 일반적인 다른 아이디어가 있다면 그것도 좋을 것 같습니다.
감사해요!
안녕하세요,
흥미로운 질문입니다! 시작해 봅시다:)
참조/지표 피크 세트는 상단 플롯의 7개 곡선인가요? 측정된 것인가요 아니면 인공적인 것인가요?
공유할 수 있는 샘플 데이터 세트가 있나요?
최상의
플로리안
