第 4 章 實驗與討論
4.3 類別間實驗
圖4.15: 類別間實驗流程圖
類別間(between categories)實驗流程如圖4.15所示,加在正常資料樣板上的 雜訊在±10之間,實驗所用到之正常時間序列共50筆,且此50筆資料將在之後的 各組實驗數據中維持不變, 意即本類別間實驗只考慮更動異常類別資料。 正常資料 樣板與產生的時間序列,以及正常狀態工作範圍和五種異常資料樣板,參見節4.1.1 的圖 4.2 至圖 4.4。 前述步驟完成之後,接下來就是以五種異常資料樣板為基底,各 別產生 8 筆異常時間序列, 如此即有 40 筆的五類異常時間序列。 在產生異常時間 序列時,需分成十組數據,即異常資料樣板上加上不同的雜訊大小(±1 ∼ ±10),如 此再加上正常狀態的時間序列,則每組數據皆有90筆資料。
本類別間實驗的目的是比較各相似度量測方法對此六種類別的分類成效,包含 在正常工作狀態下偵測異常時間序列,以及將其判定 (分類)為何種異常; 另外也探 討雜訊大小對此實驗的影響, 因此本實驗的控制變數只有此兩種。 不考慮位移量的 影響, 是因為當錯誤類別位移時, 將更不相似於正常類別, 亦即偵錯將變的更容易, 如此顯而易見的結果不在本實驗的探討範圍內,因此將類別內實驗的位移量控制因
圖 4.16: 類別間實驗之異常時間序列
圖 4.17: N5之知覺圖
錯。 而知覺圖也顯示第一類與第三類異常狀態較容易混淆, 同樣由圖 4.4 可知, 該 兩類異常樣板的趨勢大致相同,都是中段突起的異常, 差異處只是轉折點的不同, 因 此在使用 DTW 量測相似度時, 因為兩類趨勢的相似而容易將其歸為一類。
表4.3 列出了類別間實驗的F -試驗值數據,圖4.18 則展示各相似度量測方法 在不同雜訊下的F 值趨勢,為使圖形顯示與判讀方便,在此將F -試驗值取對數。 由 表與圖可得知,隨著雜訊越大,各相似度量測方法的 F 值皆有下降的趨勢。這是因 為當雜訊越大時, 時間序列抖動的越厲害,使得各類別的差異相形之下變的較不顯
表 4.3: 不同雜訊大小下的各系統 F -試驗值
雜訊大小 EDM DTW DTW5 DTW10 DTW15 DTW20
±1 1.1560 1755.80 2.5589 4.0443 5.8031 7.9397
±2 1.1112 10.3260 1.9855 2.9334 4.1999 5.2545
±3 0.8074 6.0192 1.2373 1.7801 2.0053 2.3095
±4 0.6758 5.0298 1.2529 1.2800 1.8615 2.2501
±5 0.7901 4.8453 1.2001 1.6832 1.5951 1.8191
±6 0.5332 3.2470 0.9561 1.4168 1.7229 1.8804
±7 0.5347 3.7509 0.8239 0.9613 1.5697 2.0132
±8 0.3929 2.8002 0.7840 0.7601 1.2035 1.4044
±9 0.3798 1.7928 0.6204 0.7774 1.4115 1.4592
±10 0.1782 1.2740 0.2055 0.5003 1.0768 1.2631
圖4.18: 不同雜訊大小下的各系統成效
著,因此各類別均值與全體均值近似(SB2 變小),意即類別間較難區分,而類別內又 分佈鬆散 (SW2 變大), 故使得 F -試驗值越來越小。 類別間實驗的預期目標, 是希望 F -試驗值越大越好,且對雜訊大小的影響較不敏感,亦即 F 值曲線較平穩, 以此判 定各相似度量測方法的系統成效可得: DTW > DTW20 > DTW15 > DTW10
> DTW5 > EDM, 與節 4.2 所得結論相同。