We study the change point detection of dynamic system. Since this system is delivered as the time series data, we focus the varying characteristic of the data over the time. The existing change point detection of dynamic system mainly approaches this problem by the simple threshold. However, we choose the Bayesian Online change point detection method to consider time-dependent alarm guideline. In this process, we suggest the prediction model called UPM to more precisely predict the two distinct characteristic data in a week. In addition, we suggest the new hazard function to consider the model's changeable reliability depending on time. Through this approach, we intend to take a conservative stance to determine the change point at unreliable prediction time. As a result, we can suggest the more accurate and cautious online change point detection method.
이번 연구에서는 시계열 데이터의 특이점 구분을 주제로 연구를 진행하였다. 기존의 특이점 분류 방법은 시간의 흐름에 따른 시스템의 변화를 고려하기보다는, 판단 기준함수를 선정하고 이 판단함수값이 설정된 임계값과 비교하여 특이점을 판단하는 연구가 주로 행해졌다. 이러한 접근은 시간에 따른 시스템이 변화하는 특징을 고려하지못하기때문에 민감하게 특이점을 판단하기에는 한계점을 지녔다.우리 연구에서는 베이지안 온라인 특이점 구분법과 가우시안 프로세스 회귀방법을 적용하여 시간에 따라 달라지는 특성을 반영한 특이점 구분연구를 진행하였다. 이 과정에서는 커널의 마스킹 기법을 통해 한 주안에 주말과주중과 같이, 특징이 변화하는 데이터를 잘 예측하기 위한 모델을 제시하였다. 또한, 위험모델에서 시간에 따라 예측모델에 대한 신뢰를 다르게 반영하기 위해, 시간 의존적인 신뢰도 수치를 가우시안 프로세스를 통해 모사하고, 불확실한 시간 때에 보수적인 입장으로 특이점을 분류하는 모델을 제시하였다.
