| 标题 |
 Stacked Inexact Augmented Lagrangian Multiplier with Sparse and Low-Rank Matrix Decomposition: A Novel Low Sampling Vibration Signal Denoising Strategy for Enhancing Feature Quality to Predict Health State of Bearings Using Machine Learning Model 基于稀疏和低秩矩阵分解的堆叠不精确增广拉格朗日乘子：一种新的低采样振动信号去噪策略，用于提高特征质量，以使用机器学习模型预测轴承的健康状态
相关领域
增广拉格朗日法
降噪
特征（语言学）
振动
秩（图论）
乘数（经济学）
固体力学
模式识别（心理学）
人工智能
采样（信号处理）
信号（编程语言）
算法
分解
基质（化学分析）
数学
计算机科学
材料科学
物理
声学
计算机视觉
复合材料
程序设计语言
宏观经济学
经济
哲学
组合数学
滤波器（信号处理）
生物
语言学
生态学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Journal of Nondestructive Evaluation 作者：Gaurav Popli; Avishek Mukherjee; Surjya K. Pal 出版日期：2025-07-01 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
不想干活
小青椒
Meyako
期待未来的自己
执着谷兰
Billy
花楹
pluto
不安青牛
linkman
核桃
COSMAO
飲啖茶食個包
七月流火
Maestro_S
圆锥香蕉
子车茗
不配.
null
8R60d8
皖公网安备34019202002308
