Fault diagnosis of rotating machinery with high-dimensional imbalance samples based on wavelet random forest
40Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Fault diagnosis of rotating machinery with high-dimensional imbalance samples based on wavelet random forest
- Date Crossref
- 01/05/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Wuhan University of TechnologyZhengzhou University of Science and TechnologyZhengzhou University of Light IndustryChongqing Technology and Business UniversityChongqing University of Technology
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Fault Detection and Control SystemsEngineering Diagnostics and ReliabilityMachine Fault Diagnosis Techniques