고차원 공간의 데이터를 효과적으로 활용하고, 과잉 차원이 최종 결과에 미치는 영향을 해결하기 위해 본 논문은 Copula 함수 및 LU 분해법을 사용한 차원 축소 특징 선택 방법을 제안한다. Copula 함수는 다변량 데이터 분포를 비교하기 위한 적절한 상관 모델을 제공하며, LU 분해법은 상관 계수의 선형 조합을 빠르게 제공할 수 있으며, 이후 상관 계수의 분석 및 관련 없거나 과잉된 데이터의 제거 및 다른 선형 변수 조합을 유지하면서 정보의 무결성을 보존하여 다차원 데이터의 특징을 선택할 수 있다. 본 논문에서 제안된 방법은 2개월간 2개월 간의 3가지 다른 운전 상태의 터빈 데이터를 분석하는 대량의 데이터 처리 및 분석을 위해 주성분 분석 (PCA), 단순 주성분 분석 (SPCA), 특이 값 분해 (SVD)와 같은 특징 선택 방법과 비교된다. 그 결과, 본 논문에서 제안된 방법은 데이터의 차원을 효과적으로 축소하고 다른 방법보다 결함 감지 효율을 높일 수 있다.

특징 선택; 고차원 데이터; 차원 축소 기술; Copula 함수; LU 분해법; 결함 데이터; 터빈