模糊集成分类用于不确定性感知轴承故障检测

该研究提出面向不确定性感知轴承故障检测的模糊集成分类方法，将 Random Forest、XGBoost 与 Logistic Regression 的集成分解为 T-hat、F-hat、预测熵 I1-hat 与决策分歧 I2-hat 四个指标。研究在 CWRU 与 JNU 基准上评估，其中 JNU 覆盖 600–1000 rpm 变速工况，并采用 leave-one-condition-out 协议，以检验方法在实验室与变速工业基准下的不确定性估计能力。论文于 2026-10-07 发布于 arXiv Machine Learning Theory，属一手研究报道。

Generated from reports · updated 3 hr ago

There is not enough continuous observation data to draw a trend yet.