부스팅 알고리즘을 사용한 부분 방전 데이터 패턴 분류기의 비교연구 (Comparative studies of partial discharge data pattern classifier using boosting algorithms)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 32권 / 3호 / 231 ~ 237페이지
· 저자명 : 정재원, 오성권

초록

본 연구에서는 PRPDA 방법으로 얻어진 부분방전 데이터를 이용하여 부스팅 알고리즘 기반부분 방전 패턴 분류기가 설계되고 또한 세종류의 부스팅알고리즘의 도움으로 비교해석이수행된다. 부분 방전 데이터의 방전세기의 처리방식은, 주어진 임계조건하에서 PRPDA 방법으로 생성된 Max, Mean, Median 값의 3가지 종류로 다루어진다. 비교연구에 사용한 부스팅알고리즘은 Adaboost, GBM, XGBoost 알고리즘의 세가지 타입이 고려되었다. 연구를 통해알고리즘의 성능을 비교하기 위해 분류성능 평가지표를 사용하였다. 각 부스팅 알고리즘의파라미터 조정 전에는 XGBoost의 성능이 가장 뛰어나며, 파라미터 조정 이후에는 Adaboost와 XGBoost의 성능이 뛰어나다. 알고리즘해석의 비교 결과는 제안된 XGBoost 알고리즘이더 선호된 성능을 나타낸다.

영어초록

FIn this study, partial discharge pattern classifiers based on boosting algorithm aredesigned and also comparison analysis with the aid of three types of boostingalgorithms is carried out through partial discharge data obtained by the PRPDAmethod. The processing methods of discharge intensity of partial discharge data aredealt with as three types such as Max, Mean, and Median values generated by thePRPDA method under the given threshold condition. Three types such as Adaboost,GBM, and XGBoost algorithm were considered as boosting algorithms forcomparative study. A classification performance evaluation index is dealt with tocompare the performance of algorithms through comparative studies. XGBoost hasthe best performance in the case of carrying out before parameters tuning of eachboosting algorithm, while Adaboost and XGBoost have excellent performance in thecase of carrying out after parameters tuning. The comparative results of algorithmanalysis illustrate more preferred performance of the proposed XGBoost algorithm.

참고자료

· 없음