VSE knjižnice (vzajemna bibliografsko-kataložna baza podatkov COBIB.SI)
-
Gaussian mixture model based classification revisited : application to the bearing fault classificationPanić, Branislav ; Klemenc, Jernej ; Nagode, MarkoCondition monitoring and fault detection are nowadays popular topic. Different loads, enviroments etc. affect the components and systems differently and can induce the fault and faulty behaviour. ... Most of the approaches for the fault detection rely on the use of the good classification method. Gaussian mixture model based classification are stable and versatile methods which can be applied to a wide range of classification tasks. The main task is the estimation of the parameters in the Gaussian mixture model. Those can be estimated with various techniques. Therefore, the Gaussian mixture model based classification have different variants which can vary in performance. To test the performance of the Gaussian mixture model based classification variants and general usefulness of the Gaussian mixture model based classification for the fault detection, we have opted to use the bearing fault classification problem. Additionally, comparisons with other widely used non-parametric classification methods are made, such as support vector machines and neural networks. The performance of each classification method is evaluated by multiple repeated k-fold cross validation. From the results obtained, Gaussian mixture model based classification methods are shown to be competitive and efficient methods and usable in the field of fault detection and condition monitoring.Vir: Strojniški vestnik = Journal of mechanical engineering. - ISSN 0039-2480 (Vol. 66, no. 4, Apr. 2020, str. 215-226, SI 29)Vrsta gradiva - članek, sestavni del ; neleposlovje za odrasleLeto - 2020Jezik - angleškiCOBISS.SI-ID - 17169179
Avtor
Panić, Branislav |
Klemenc, Jernej |
Nagode, Marko
Teme
Gaussian mixture models |
classification |
bearing fault estimation |
parameter estimation |
performance of classification methods |
Gaussov mešan model |
klasifikacija |
ocena napak ležajev |
ocena parametrov |
uspešnost klasifikacijske metod
vir: Strojniški vestnik = Journal of mechanical engineering. - ISSN 0039-2480 (Vol. 66, no. 4, Apr. 2020, str. 215-226, SI 29)
Vnos na polico
Trajna povezava
- URL:
Faktor vpliva
Dostop do baze podatkov JCR je dovoljen samo uporabnikom iz Slovenije. Vaš trenutni IP-naslov ni na seznamu dovoljenih za dostop, zato je potrebna avtentikacija z ustreznim računom AAI.
Leto | Faktor vpliva | Izdaja | Kategorija | Razvrstitev | ||||
---|---|---|---|---|---|---|---|---|
JCR | SNIP | JCR | SNIP | JCR | SNIP | JCR | SNIP |
Baze podatkov, v katerih je revija indeksirana
Ime baze podatkov | Področje | Leto |
---|
Povezave do osebnih bibliografij avtorjev | Povezave do podatkov o raziskovalcih v sistemu SICRIS |
---|---|
Panić, Branislav | 39189 |
Klemenc, Jernej | 16334 |
Nagode, Marko | 13469 |
Vir: Osebne bibliografije
in: SICRIS
Izberite prevzemno mesto:
Prevzem gradiva po pošti
Naslov za dostavo:
Med podatki člana manjka naslov.
Storitev za pridobivanje naslova trenutno ni dostopna, prosimo, poskusite še enkrat.
S klikom na gumb "V redu" boste potrdili zgoraj izbrano prevzemno mesto in dokončali postopek rezervacije.
S klikom na gumb "V redu" boste potrdili zgoraj izbrano prevzemno mesto in naslov za dostavo ter dokončali postopek rezervacije.
S klikom na gumb "V redu" boste potrdili zgoraj izbrani naslov za dostavo in dokončali postopek rezervacije.
Obvestilo
Trenutno je storitev za avtomatsko prijavo in rezervacijo nedostopna. Gradivo lahko rezervirate sami na portalu Biblos ali ponovno poskusite tukaj kasneje.
Gesla v Splošnem geslovniku COBISS
Izbira mesta prevzema
Gradivo iz matične enote je brezplačno. Če je gradivo na mesto prevzema dostavljeno iz drugih enot, lahko knjižnica to storitev zaračuna.
Mesto prevzema | Status gradiva | Rezervacija |
---|
Rezervacija v teku
Prosimo, počakajte trenutek.
Rezervacija je uspela.
Rezervacija ni uspela.
Rezervacija...
Članska izkaznica:
Mesto prevzema: