Distance and Density Similarity Based Enhanced k-NN Classifier for Improving Fault Diagnosis Performance of Bearings
المؤلفون المشاركون
Islam, Md. Rashedul
Kim, Jaeyoung
Khan, Sheraz Ali
Uddin, Sharif
Sohn, Seok-Man
Choi, Byeong-Keun
Kim, Jong-Myon
المصدر
العدد
المجلد 2016، العدد 2016 (31 ديسمبر/كانون الأول 2016)، ص ص. 1-11، 11ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2016-11-23
دولة النشر
مصر
عدد الصفحات
11
التخصصات الرئيسية
الملخص EN
An enhanced k-nearest neighbor (k-NN) classification algorithm is presented, which uses a density based similarity measure in addition to a distance based similarity measure to improve the diagnostic performance in bearing fault diagnosis.
Due to its use of distance based similarity measure alone, the classification accuracy of traditional k-NN deteriorates in case of overlapping samples and outliers and is highly susceptible to the neighborhood size, k.
This study addresses these limitations by proposing the use of both distance and density based measures of similarity between training and test samples.
The proposed k-NN classifier is used to enhance the diagnostic performance of a bearing fault diagnosis scheme, which classifies different fault conditions based upon hybrid feature vectors extracted from acoustic emission (AE) signals.
Experimental results demonstrate that the proposed scheme, which uses the enhanced k-NN classifier, yields better diagnostic performance and is more robust to variations in the neighborhood size, k.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Uddin, Sharif& Islam, Md. Rashedul& Khan, Sheraz Ali& Kim, Jaeyoung& Kim, Jong-Myon& Sohn, Seok-Man…[et al.]. 2016. Distance and Density Similarity Based Enhanced k-NN Classifier for Improving Fault Diagnosis Performance of Bearings. Shock and Vibration،Vol. 2016, no. 2016, pp.1-11.
https://search.emarefa.net/detail/BIM-1119062
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Uddin, Sharif…[et al.]. Distance and Density Similarity Based Enhanced k-NN Classifier for Improving Fault Diagnosis Performance of Bearings. Shock and Vibration No. 2016 (2016), pp.1-11.
https://search.emarefa.net/detail/BIM-1119062
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Uddin, Sharif& Islam, Md. Rashedul& Khan, Sheraz Ali& Kim, Jaeyoung& Kim, Jong-Myon& Sohn, Seok-Man…[et al.]. Distance and Density Similarity Based Enhanced k-NN Classifier for Improving Fault Diagnosis Performance of Bearings. Shock and Vibration. 2016. Vol. 2016, no. 2016, pp.1-11.
https://search.emarefa.net/detail/BIM-1119062
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1119062
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر