TY -的A2陈陆AU - Uddin,谢里夫盟——伊斯兰教,Md。Rashedul AU -汗Sheraz阿里AU -金,Jaeyoung AU -金,Jong-Myon盟——孙Seok-Man盟——崔Byeong-Keun PY - 2016 DA - 2016/11/23 TI -距离和基于密度相似的增强提高故障诊断性能的神经网络分类器轴承SP - 3843192六世- 2016 AB -一个增强 k 最近的邻居( k nn)分类算法,它使用基于密度的相似性测量除了基于距离的相似性来提高诊断轴承故障诊断的性能。由于其仅使用基于距离的相似性度量,传统的分类精度 k nn恶化的重叠样品和异常值和极易受邻域大小, k 。本研究解决这些局限性提出了使用基于距离和密度的措施训练和测试样本之间的相似度。被提议的 k 神经网络分类器是用于提高诊断轴承故障诊断方案的性能,它把不同故障条件下基于混合特征向量提取声发射(AE)信号。实验结果表明,该方案,它使用增强的 k 神经网络分类器,产生更好的诊断性能和更健壮的邻域大小的变化, k 。SN - 1070 - 9622你——https://doi.org/10.1155/2016/3843192 - 10.1155 / 2016/3843192摩根富林明冲击和振动PB - Hindawi出版公司KW - ER