arXiv 机器学习· Maikel Leyva-Vazquez, Dayron Rumbaut Rangel, Lorenzo Cevallos-Torres, Alexis Matheu Perez·· 4 小时前AI 评分26
面向不确定性感知轴承故障检测的中智集成分类研究：来自实验室与变速工业基准的证据
Neutrosophic Ensemble Classification for Uncertainty-Aware Bearing Fault Detection: Evidence from Laboratory and Variable-Speed Industrial Benchmarks
AI 导读
研究提出基于中智分解的集成方法（结合 Random Forest、XGBoost 与 Logistic Regression）用于轴承故障检测。在 CWRU 基准的 3 个留出负载上集成准确率达 100.00%，但在 JNU 留出 1000 rpm 时 Logistic Regression 泛化表现更佳（57.91%）。
来源：arXiv 机器学习 · arxiv.org