《表4 基于加权排列熵特征提取的分类结果》
提示：宽带有限、当前游客访问压缩模式
本文提出的基于加权排列熵的DE-ELM故障诊断方法取得了分类最优效果，能准确提取轴承故障特征并有效分类，精度达到98.01%。
| 图表编号 | XD00143629400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.02 |
| 作者 | 吴新忠、张旭、李博华、夏令祥 |
| 绘制单位 | 中国矿业大学信息与控制工程学院、中国矿业大学信息与控制工程学院、中国矿业大学信息与控制工程学院、中国矿业大学信息与控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 正交试验因素水平：基于AHP-信息熵综合加权法的参芪消渴丸提取工艺研究》2020.10.25
- 《表3 遗传算法优化先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表2 先验模型加权肤色特征提取方法在KNN分类器下的5种姿态识别准确率》2020.09.20
- 《表2 滚动轴承参数：基于经验模式分解和排列熵的轴承故障特征提取》2021.02.18
- 《表1 仿真数据：基于经验模式分解和排列熵的轴承故障特征提取》2021.02.18
- 《表1 数据分析结果：基于熵值法和加权聚类的电力零售市场风险评估》2021.01.18
- 《表1 10种状态加权排列熵特征向量的信息熵》2020.02.02
- 《表3 基于排列熵特征提取的分类结果》2020.02.02
- 《表2 基于能量熵特征提取的分类结果》2020.02.02
- 《表4 能量熵、峭度熵和排列熵的诊断结果》2020.02.01
- 《表2 基于浅层特征提取的肿瘤分类实验结果表》2019.12.01
- 《表4 运行风险指标对比：基于加权分布熵的配电网电动汽车并网运行风险分析》2020.03.10
- 《表4 特征分类：基于扎尔特曼隐喻提取技术的设计对话框架》2019.10.20
- 《表4 加权决策矩阵：基于熵权多属性决策的温室番茄综合生产效果评价方法比较研究》2019.08.01
- 《表2 分类预测结果：基于EEMD近似熵的矿山微震信号特征提取研究》2019.09.20
- 《表3 排列熵方法的支持向量机分类结果》2019.07.01
- 《表4 装袋法分类结果：基于特征提取的网贷平台生存关键因素研究》2019.07.01
- 《表3 在Case 1和Case 2下提取近似熵和样本熵特征的最终分类结果》2018.10.30
- 《表3 基于原始振动信号排列熵的LS-SVM轴承状态分类结果Table 3Bearing condition classification results using LS-SVM based on permutation entropy o》2018.10.10
- 《表6 基于CEEMDAN分解信号排列熵的LS-SVM轴承状态分类结果Table 6Bearing condition classification results using LS-SVM based on permutation entr》2018.10.10