文献

J-GLOBAL ID：202002255210639572   整理番号：20A1217087

2段階ランダムフォレストに基づくねじのロック結果判別研究【JST・京大機械翻訳】

Discriminant Research on Screw Locking Results Based on Two-stage Random Forest

著者 (3件)： Deng Yu (太原理工大学 大数据学院,太原,030024) ,  Li Ming (太原理工大学 大数据学院,太原,030024) ,  Zhou Daoxiang (太原理工大学 大数据学院,太原,030024)
資料名： Taiyuan Ligong Daxue Xuebao  (Taiyuan Ligong Daxue Xuebao)
巻： 51  号： 2  ページ： 198-205  発行年： 2020年 
JST資料番号： C2209A  ISSN： 1007-9432  CODEN： TLDXF3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ねじロック結果の判断は,スマートねじのキーポイントである。スレッドロックの結果をより良く判別するために,ランダムフォレストの2つの段階を,スレッドロックインの不等長,クラス不均衡,および類似ロックのカテゴリの誤判定の問題を解決するために,2つの段階において,ねじのロックインデータに,判別モデルを築き上げるために,2つの段階に,ランダムフォレストの2つの段階を割り当てるのに,ランダムフォレストの2つの段階を,用いた。第一段階では,オリジナルデータの物理的構造特性に従って,データアンダーサンプリングとランダムフォレストアルゴリズムを用いた特徴選択を行った。第2段階において,まず第一に,各物理特性の確率主成分分析(PCA)分散を特徴としてクラスタ化し,類似クラスを同クラスタに分類し,次に各クラスタにランダムフォレストアルゴリズムを用いて分類モデルを作成した。最後に,最初に,クラスタ内分類装置を用いて,データ所属クラスタを特定し,次に,クラスタ内分類装置によって,ねじロック結果を識別した。実験結果は,古典的機械学習分類アルゴリズムと比較して,提案したモデルには,より良い精度,想起率,およびF値があることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  分類装置 ,  クラスタ化 ,  特徴選択 ,  *クラスタ ,  構造特性 ,  主成分分析 ,  機械学習 ,  スレッド
準シソーラス用語： F値 ,  分類アルゴリズム ,  アンダーサンプリング ,  *ランダムフォレスト ,  分類モデル ,  クラス不均衡 , 【Automatic Indexing@JST】

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 段階 ,  ランダムフォレスト ,  ねじ ,  ロック ,  判別 ,  研究