高次元空間のデータを効果的に利用し、余分な次元が最終結果に与える影響を解決するために、この論文では、Copula 関数と LU 分解法を使用した次元削減のための特徴選択法を提案しています。Copula 関数は多変量データの分布を比較するための適切な相関モデルを提供し、LU 分解法は素早く相関係数の線形組み合わせを得ることができ、その後、相関係数の分析や関連のないまたは余分なデータの削除および他の線形変数の組み合わせを保持しながら情報の整合性を維持し、多次元データの特徴を選択することができます。本論文で提案された手法は、2か月間の3つの異なる動作状態のタービンデータを処理および分析するための大量のデータ処理と分析において、主成分分析（PCA）、簡単な主成分分析（SPCA）、特異値分解（SVD）などの特徴選択手法と比較されます。その結果、本論文で提案された手法はデータの次元を効果的に削減し、他の手法と比較して不良検出効率を高めることができます。

特徴選択; 高次元データ; 次元削減技術; Copula 関数; LU 分解法; 不良データ; タービン