《表3 AP聚类特征筛选：面向轴承寿命预测的特征评估与模型优化》
提示：宽带有限、当前游客访问压缩模式
将特征集超过阈值的25个特征按照序号从1～25列出，采用步骤4处理，结果如表3所示。
| 图表编号 | XD00178455100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.01 |
| 作者 | 柏林、闫康、刘小峰 |
| 绘制单位 | 重庆大学机械传动国家重点实验室、重庆大学机械传动国家重点实验室、重庆大学机械传动国家重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 常用特征值及公式：基于特征分析的BP神经网络轴承剩余寿命预测》2020.11.20
- 《表1 原始特征信息：基于PCA-UPF的风力机轴承剩余寿命预测方法》2021.02.28
- 《表1 工件加工特征：基于因子分析与K-means聚类算法的P2P网贷平台风险评估模型》2020.09.25
- 《表1 轴承信号特征提取：面向轴承寿命预测的特征评估与模型优化》2020.04.01
- 《表2 轴承总体概况：面向轴承寿命预测的特征评估与模型优化》2020.04.01
- 《表3 预测误差：基于长短期记忆网络的滚动轴承寿命预测方法》2020.04.01
- 《表2 仅学习RGB图像模型与双金字塔特征融合网络的AP比较》2020.07.01
- 《表5 3组钢滚动接触疲劳寿命与夹杂物数量密度及SEV和GPD法预测的最大夹杂物特征尺寸对比》2020.05.11
- 《表2 文章标题情感划分：面向文章流量预测的特征筛选与分析》2020.04.10
- 《表6 方差分析检验结果：面向文章流量预测的特征筛选与分析》2020.04.10
- 《表4 相关性检验结果：面向文章流量预测的特征筛选与分析》2020.04.10
- 《表2 指标筛选结果：区域尺度农业管理分区的无监督特征选择与破碎度优化算法》2020.03.01
- 《表6 几种疲劳寿命预测模型的预测能力评估》2019.12.01
- 《表1 筛选后的特征变量：基于烧结大数据预测小于10mm烧结矿含量模型》2019.11.01
- 《表1 特征数据字段：基于Stacking模型融合的工程机械核心部件寿命预测研究》2019.12.05
- 《表2 预测层参数：面向小目标检测结合特征金字塔网络的SSD改进模型》2019.09.15
- 《表3 基于不同退化特征量的轴承寿命预测结果对比》2019.08.01
- 《表3 词语特征与取值：基于文本情感特征的心理评估模型》2019.07.26
- 《表2 时域特征参数：面向机械故障智能诊断神经网络优化与识别方法研究》2019.04.01
- 《表3 跨项目分组情况：融合多策略特征筛选的跨项目软件缺陷预测》2019.04.15