{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,4,28]]，“日期-时间”：“2024-04-28T00:31:46Z”，“时间戳”：1714264306861}，“参考-计数”：41，“出版商”：“Springer Science and Business Media LLC”“：”2018-03-03T00:00:00Z“，“timestamp”：1520035200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“content-domain”：{“域”：[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[”Neural Compute&Applic“]，”published-print“：{”date-parts“：[2019,10]}”，“DOI”：“10.1007”s00521-018-3407-3“，”类型“：”日志文章“，“created”：{“date-parts”：[[2018,3,3]]，“date-time”：“2018-03-03T06:46:24Z”，“timestamp”：1520059584000}，“page”：“5767-5782”，“update-policy”：”http:\\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：16，“title”：[“Health stages diagnostics of underwater structor using sounder features featurements with inbalanced dataset”]，“prefix”：“10.1007”，“volume”：“31”，“author”：[{“给定”：“Teck Kai”，“family”：“Chan”，”sequence“：“first”，“affiliation”：[]}，{“给出”：“Cheng Siong”，《family》：“Chin”，“sequence”：“additional”，“abfiliance”：[]，“member”：“297”，“published-online”：{“date-parts”：[2018,3,3]]}、“reference”：[{“key”：”3407_CR1“，”doi-asserted-by“：”publisher“，”first page“：”243“，”doi“：“10.1016\/j.ijnaoe.2016.03.003”，“volume”：“8”，“author”：“Y Sun”，“year”：“2016”，“unstructured”：“Sun Y，Ran X，Li Y，Zhang G，Zhang-Y（2016）基于高斯粒子滤波的水下机器人推进器故障诊断方法。国际航海建筑海洋工程杂志8:243\u2013251。\n https:\/\/doi.org\/10.1016\/j.ijnaoe.2016.03.003“，”journal-title“：”Int j Nav Archit Ocean Eng“}，{“key”：“3407_CR2”，“doi-asserted-by”：“publisher”，“first page”：”210“，”doi“：”10.1016\/j.oceaneng.2016.05.029“，”volume“：”121“，”author“：”CHF Santos Dos“，”year“：”2016“，”unstructured“：”Dos Santos CHF、Cardozo DIK、Reginatto R、De Pieri ER（2016）自动水下航行器容错控制控制器和虚拟推进器银行。海洋工程121:210\u2013223。\n https:\/\/doi.org\/10.1016\/j.oceaneng.2016.05.029“，”journal-title“：”Ocean Eng“}，{“key”：“3407_CR3”，“doi-asserted-by”：“publisher”，“first page”：”1575“，”doi“：”10.1016\/j.conengprac.2003.12.014“，”volume“：”12“，”author“：”E Omerdic“，”year“2004”，“unstructured”：“Omerdic E，Roberts G（2004）开式水下航行器推进器故障诊断与调整。控制工程实践12:1575\u20131598。\n https:\/\/doi.org\/10.1016\/j.connengprac.2003.12.014“，”journal-title“：”Control Eng Pract“}，{“key”：“3407_CR4”，“doi-asserted-by”：“publisher”，“first page”：”119“，”doi“：”10.1016\/j.jcde.2014.12.006“，”volume“：”2“，”author“：”j-H Shin“，”year“2015”，“unstructured”：“Shin j-H，Jun H-B（2015）基于状态的维护策略。计算机工程杂志2:119\u2013127。\n https:\/\/doi.org\/10.1016\/j.jcde.2014.12.006“，”journal-title“：”j Compute Des Eng“}，{”key“：”3407_CR5“，”doi-asserted-by“：”publisher“，”first page“：“812”，“doi”：“10.1109\/TII.2014.2349359”，“volume”：“11”，“author”：“GA Susto”，“year”：“2015”，“unstructured”：“Susto GA，Schiru A，Pampuri S，McLoone S，Beghi A（2015）预测性维护的机器学习：一种多分类器方法。IEEE Trans Ind通知11:812\u2013820。\n https:\/\/doi.org/10.1109\/TII.2014.2349359“，“期刊标题”：“IEEE Trans-Ind-Inform”}，｛“key”：“3407_CR6”，“doi断言者”：“出版商”，“首页”：“314”，“doi”：“10.1016\/j.ymssp.2013.06.004”，“卷”：“42”，“作者”：“j Lee”，“年份”：“2014”，“非结构化”：“Lee j，Wu F，Zhao W，Ghaffari M，Liao L，Siegel D（2014）旋转机械系统的预测和健康管理设计\u2014综述、方法和应用。机械系统信号处理42:314\u2013334。\n https:\/\/doi.org\/10.1016\/j.ymssp.2013.06.004“，”journal-title“：”机械系统信号处理“}，{“key”：“3407_CR7”，“doi-asserted-by”：“publisher”，“first page”：”97“，”doi“：”10.1016\/j.jsv.2015.08.013“，”volume“：”358“，”author“：”j Yu“，”year“：”2015“，”unstructured“：”Yu j（2015）使用基于贝叶斯参考的概率指示和高阶粒子滤波框架的机器健康预测。J Sound Vib 358:97\u2013110。\n https:\/\/doi.org\/10.1016\/j.jsv.2015.08.013“，”journal-title“：”j Sound Vib“}，{”key“：”3407_CR8“，”doi-asserted-by“：”publisher“，”first page“：“159”，“doi”：“10.1016\/j.engappai.2017.01.001”，“volume”：“59”，“author”：“A Nayal”，“year”：“2017”，“unstructured”：“Nayal A，Jomaa H，Awad M（2017年）KerMinSVM用于不平衡数据集，并以阿拉伯漫画分类为例。工程应用Artif Intell 59:159\u2013169。\n https:\/\/doi.org\/10.1016\/j.engappai.2017.01.001“，”journal-title“：”Eng-Appl-Artif Intell“}，{“key”：“3407_CR9”，“doi-asserted-by”：“publisher”，“first page”：”62“，”doi“：”10.1016\/j-engappai.2016.02.011“，”volume“：”53“，”author“：”Q Fan“，”year“：”2016“，”unstructured“：”Fan Q，Wang Z，Gao D（2016）用于不平衡问题的单侧动态欠采样非传播神经网络。工程应用Artif Intell 53:62\u201373。\n https:\/\/doi.org\/10.1016\/j.engappai.2016.02.011“，”journal-title“：”Eng-Appl-Artif Intell“}，{“key”：“3407_CR10”，“doi-asserted-by”：“publisher”，“first page”：”368“，”doi“：”10.1016\/j-engappai.2014.09.019“，”volume“：”37“，”author“：”GG Sundarkumar“，”year“：”2015“，”unstructured“：”Sundarkum GG，拉维五世（2015）一种新的混合欠采样方法，用于挖掘银行和保险业中的非平衡数据集。工程应用Artif Intell 37:368\u2013377。\n https:\/\/doi.org\/10.1016\/j.engappai.2014.09.019“，”journal-title“：”Eng-Appl-Artif Intell“}，{”key“：”3407_CR11“，”doi-asserted-by“：”publisher“，”first page“：“1263”，“doi”：“10.1109\/TKDE.2008.239”，“volume”：“21”，“author”：“H He”，“year”：“2009”，“unstructured”：“He H，Garcia EA（2009）从不平衡的数据中学习。IEEE Trans Knowl Data Eng 21:1263\u20131284。\n https:\/\/doi.org\/10.109\/TKDE.2008.239“，”journal-title“：”IEEE Trans Knowl Data Eng“}，{”key“：”3407_CR12“，”doi-asserted-by“：”publisher“，”first page“：“40”，“doi”：“10.1016\/j.eswa.2017.03.073”，“volume”：“82”，“author”：“G Douzas”，“year”：“2017”，“unstructured”：“Douzas-G，Bacao F（2017）Self-organizing map oversamplish ng（SOMO）用于不平衡数据集学习。专家系统应用82:40\u201352。\n https://doi.org/10.1016\/j.eswa.2017.03.073“，”期刊标题“：”Expert Syst Appl“}，｛”键“：”3407_CR13“，”doi断言“：”出版商“，”首页“：”176“，”doi“：”10.1016\/j.engappai.2015.09.011“，”卷“：”49“，”作者“：”G Haixiang“，”年份“：”2015“，”非结构化“：”Haixiang G，Yijing L，Yanan L，Xiao L，Jinling L（2015）用于多类非平衡数据分类的BPSO-Adaboost-KNN集成学习算法。工程应用技术情报49:176\u2013193。\n https:\/\/doi.org\/10.1016\/j.engappai.2015.09.011“，”journal-title“：”Eng-Appl-Artif Intell“}，{”key“：”3407_CR14“，”doi-asserted-by“：”publisher“，”first page“：“405”，”doi“：”10.1109\/TKDE.2012.232“，”volume“26”，“author”：“S Barua”，“year”：“2014”，“unstructured”：“Barua S，Islam MM，Yao X，Murase K（2014））MWMOTE\u2014用于不平衡数据集学习的多数加权少数过采样技术。IEEE Trans Knowl Data Eng 26:405\u2013425。\n https:\/\/doi.org\/10.109\/TKDE.2012.232“，”journal-title“：”IEEE Trans Knowl Data Eng“}，{”key“：”3407_CR15“，”doi-asserted-by“：”publisher“，”first page“：“2402”，“doi”：“10.1109\/TCYB.2014.2372060”，“volume”：“45”，“author”：“WWY Ng”，“year”：“2015”，“unstructured”：“Ng WWY，Hu J，Yeung DS，Yin S，Roli F（2015）针对不平衡分类问题的基于多样敏感性的欠采样。IEEE Trans-Cybern 45:2402\u20132412。\n https:\/\/doi.org\/10.109\/TCYB.2014.2372060“，”journal-title“：”IEEE Trans-Cybern“}，{”key“：”3407_CR16“，”doi-asserted-by“：”publisher“，”first page“：“321”，“doi”：“10.1613\/jair.953”，“volume”：“16”，“author”：“NV Chawla”，“year”：“2002”，“unstructured”：“Chawla NV，Bowyer KW，Hall LO，Kegelmeyer WP（2002年）SMOTE：合成少数过采样技术。人工智能研究杂志16:321\u2013357。\n https:\/\/doi.org\/10.1613\/jair.953“，”journal-title“：”J Artif Intell Res“}，{”key“：”3407_CR17“，”doi-asserted-by“：”publisher“，”unstructured“：”Gao M，Hong X，Chen S，Harris CJ（2011）基于SMOTE和粒子群优化相结合的径向基函数分类器用于不平衡问题。摘自：国际神经网络联合会议，pp 1146\u20131153。\n https:\/\/doi.org\/10.109\/ijcnn.2011.6033353“，”doi“：”10.1109\/ijcnn.2011.60.3353“}，{“key”：“3407_CR18”，”doi-asserted-by“：”publisher“，”first page“：”51“，”doi“：“10.1016\/j.neucom.2016.08.071”，“volume”：”218“，”author“：”I Nekooeimehr“，”year“：”2016“，”unstructured“：”Nekooiemehr“hr I，Lai-Yuen SK（2016）基于聚类的有序回归加权过采样（CWOS-Ord）。神经计算218:51\u201360。\n https:\/\/doi.org/10.1016\/j.neucom.2016.08.071“，”期刊标题“：”神经计算“}，｛”键“：”3407_CR19“，”doi断言“：”crossref“，”非结构化“：”Chawla NV，Lazarevic A，Hall L，Bowyer K（2003）SMOTEBoost:改善对助推中少数群体的预测。数据库中的知识发现：PKDD pp 107\u2013119“，”doi“：”10.1007\/978-3-540-39804-2_12“}，{“key”：“3407_CR20”，“doi-asserted-by”：“publisher”，“first page”：”2363“，“doi”：“10.1109\/TDEI.2014.004547”，“volume”：《21》，“author”：“Y Cui”，“year”：“2014”，“unstructured”：“Cui Y，Ma H，Saha T（2014）利用SMOTEBoost技术预处理的油特性数据改进电力变压器绝缘诊断。IEEE Trans Dielectr Electror绝缘21:2363\u20132373。\n https:\/\/doi.org\/10.109\/TDEI.2014.004547“，”journal-title“：”IEEE Trans Dielectr Electr Insol“}，{”key“：”3407_CR21“，”doi-asserted-by“：”publisher“，”first page“：“185”，“doi”：“10.1109\/TSMCA.2009.2029559”，“volume”：“40”，“author”：“C Seiffert”，“year”：“2010”，“unstructured”：“Seiffer C，Khoshgoftaar T，Van Hulse J，Napolitano A（2010年）RUSBoost：缓解阶级不平衡的混合方法。IEEE Trans Syst Man Cybern第A部分Syst Hum 40:185\u2013197。\n https:\/\/doi.org\/10.109\/TSMCA.2009.2029559“，“journal-title”：“IEEE Trans-Syst Man Cybern Part A Syst Hum”}，{“key”：“3407_CR22”，“doi-asserted-by”：“publisher”，“unstructured”：“He H，Bai Y，Garcia EA，Li S（2008）ADASYN：用于不平衡学习的自适应合成采样方法。摘自：神经网络国际联合会议论文集。第1322页\u20131328。\n https:\/\/doi.org\/10.109\/ijcnn.2008.4633969“，”doi“：”10.1109\/ijcnn.2008.4333969“}，{”key“：”3407_CR23“，”doi-asserted-by“：”publisher“，”first page“：“30”，“doi”：“10.1145\/1007730.1007736”，“author”：“H Guo”，“year”：“2004”，“unstructured”：“Guo H，Viktor HL（2004）通过增强和数据生成从不平衡的数据集中学习：databoost-IM方法。ACM SIGKD探索新闻稿6:30\u201339。\n https:\/\/doi.org\/10.1145\/1007730.1007736“，”journal-title“：”ACM SIGKD Explore Newslett“}，{“key”：“3407_CR24”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/TSMCC.2011.2161285”，“author”：“M Galar”，“year”：“2012”，“unstructured”：“Galar M，Fernandez A，Barrenechea E，Bustince H，Herrera F（2012）综述了解决阶级不平衡问题的集合：打包、增强和混合方法。IEEE Trans-Syst Man Cybern Part C Appl Rev.\n https:\/\/doi.org\/10.109\/TSMCC.2011.2161285“，”journal-title“：”IEEE Trans-Syst Man-Cybern第C部分Appl Rev“}，{”key“：”3407_CR25“，”doi-asserted-by“：”publisher“，”first page“：“405”，“doi”：“10.1016\/j.eswa.2015.10.031”，“volume”：“46”，“author”：“I Nekooeimehr”，“year”：“2016”“，”非结构化“：”Nekooeimehr I，Lai-Yuen SK（2016）非平衡数据集的自适应半无监督加权过采样（A-SUWO）。专家系统应用46:405\u2013416。\n https:\/\/doi.org\/10.1016\/j.eswa.2015.10.031“，“journal-title”：“Expert Syst Appl”}，{“key”：“3407_CR26”，“doi-asserted-by”：“publisher”，“unstructured”：“Baccour L，John RI（2015）清晰相似性和距离测量的实验分析。参加：第六届软计算和模式识别国际会议，SoCPaR 2014。第96页\u2013100。\n https:\/\/doi.org\/10.109\/socpar.2014.7007988“，”doi“：”10.1109\/socpar.2014.77988“}，{”key“：”3407_CR27“，”doi-asserted-by“：”publisher“，”first page“：“39”，”doi:“10.1016\/j.ins.2015.02.024”，“volume”：“307”，“author”：“P Xia”，“year”：“2015”，“unstructured”：“Xia P，Zhang L，Li F（2015）用余弦相似集成学习相似性。《信息科学》307:39\u201352。\n https:\/\/doi.org\/10.1016\/j.ins.2015.02.024“，”journal-title“：”Inf-Sci“}，{”key“：”3407_CR28“，”doi-asserted-by“：”publisher“，”first page“：“513”，“doi”：“10.1109\/TSMCB.2011.2168604”，“volume”：“42”，“author”：“G-B Huang”，“year”：“2012”，“unstructured”：“Huang G-B，Zhou H，Ding X，Zhang R（2012）回归和多类分类的极端学习机。IEEE Trans-Syst Man Cybern第B部分Cybern42:513\u2013529。\n https:\/\/doi.org\/10.109\/TSMCB.2011.2168604“，”journal-title“：”IEEE Trans-Syst Man Cybern Part B Cybern“}，{”key“：”3407_CR29“，”doi-asserted-by“：”publisher“，”first-page“：”1411“，”doi“：”10.1109\/TNN.2006.880583“，”volume“：“17”，”author“：”n-Y Liang“，“year”：”2006“，”unstructured“：”Liang N-Y，Huang G-B，Saratchandran P，Sundararajan N（2006）前馈网络快速准确的在线顺序学习算法。IEEE跨神经网络17:1411\u20131423。\n https:\/\/doi.org\/10.109\/TNN.2006.880583“，”journal-title“：”IEEE Trans Neural Netw“}，{”key“：”3407_CR30“，”doi-asserted-by“：”publisher“，”first page“：“1060”，“doi”：“10.1109\/jstars.2014.2301775”，“volume”：“7”，“author”：“A Samat”，“year”：“2014”，“unstructured”：“Samat A，Du PJ，Liu SC，Li J，Cheng L（2014）（ELM）-L-2：用于高光谱图像分类的集成极端学习机。IEEE J Sel Top Appl Earth Obs遥感器7:1060\u20131069。\n https:\/\/doi.org\/10.109\/jstars.2014.2301775“，”journal-title“：”IEEE J Sel Top Appl Earth Obs Remote Sens“}，{“key”：“3407_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Javed K，Gouriveau R，Zerhouni n，Zemouri R，Li X（2012）稳健、可靠和适用的刀具磨损监测和预测：基于改进的极端学习机器的方法。收录于：IEEE预测与健康管理会议“，”DOI“：”10.1109\/ICPHM.2012.6299516“}，{“key”：“3407_CR32”，“DOI-asserted-by”：“publisher”，“first page”：”134“，“DOI”：“10.1016\/j.engappai.2016.10.15”，“volume”：：“57”，“author”：“j Kowalski”，“year”：“2017”，“unstructured”：“KowalskiJ，Krawczyk B，Wo\u017anik M（2017）船用四冲程柴油机故障诊断的一对一极限学习集成。工程应用技术情报57:134\u2013141。\n https:\/\/doi.org\/10.1016\/j.engappai.2016.10.015“，”journal-title“：”Eng-Appl-Artif Intell“}，{”key“：”3407_CR33“，”doi-asserted-by“：”publisher“，”first page“：“1161”，“doi”：“10.1109\/TNNLS.2014.2334366”，“volume”：“26”，“author”：“n Wang”，“year”：“2015”，“unstructured”：“Wang n，Er MJ，Han M（2015）回归问题的广义单隐层前馈网络。IEEE Trans Neural Netw学习系统26:1161\u20131176。\n https:\/\/doi.org\/10.109\/TNNLS.2014.2334366“，”journal-title“：”IEEE Trans Neural Netw Learn Syst“}，{“key”：“3407_CR34”，“doi-asserted-by”：“publisher”，“first page”：”58“，”doi“：”10.1016\/j.neucom.2014.11.019“，”volume“：”152“，”author“：”E Alexandre“，”year“：”2015“，”unstructured“：”Alexandre E、Cuadra L、Salcedo-Sanz S、Pastor-S\u00e1nchez A、Casanova-Mateo C（2015）将极端学习机器与遗传算法相结合，以在车辆分类应用中选择声学特征。神经计算152:58\u201368。\n https:\/\/doi.org\/10.1016\/j.neucom.2014.11.019“，”journal-title“：”Neurocomputing“}，{”key“：”3407_CR35“，”doi-asserted-by“：”publisher“，”first page“：“139”，“doi”：“10.1016\/j-neucom.2014.04.002”，“volume”：“141”，”author“：”B Lei“，”year“：”2014“，”unstructured“：”Lei B，Rahman SA，Song I（2014）基于内容的呼吸音分类，具有增强功能。神经计算141:139\u2013147。\n https:\/\/doi.org\/10.1016\/j.neucom.2014.04.002“，”journal-title“：”Neurocomputing“}，{”key“：”3407_CR36“，”doi-asserted-by“：”publisher“，”first page“：“1917”，“doi”：“10.1121\/1.1458024”，“volume”：“111”，“author”：“A Cheveign\u00e9 de”，“year”：“2002”，“unstructured”：“de Cheveign \u00e 9 A，Kawahara H（2002年）YIN，语音和音乐的基本频率估计器。《美国科学院学报》111:1917\u20131930。\n https:\/\/doi.org\/10.1121\/1.1458024“，”journal-title“：”J Acoust Soc Am“}，{“key”：“3407_CR37”，“doi-asserted-by”：“publisher”，“first page”：”1759“，”doi“：”10.1109\/TASL.2012.2188515“，”volume“：”20“，”author“：”J Salamon“，”year“：”2012“，”unstructured“：”Salamon J，Gomez E（2012）使用音高轮廓特征从复调音乐信号中提取旋律。IEEE Trans Audio Speech Lang过程20:1759\u20131770。\n https:\/\/doi.org\/10.109\/TASL.2012.2188515“，”journal-title“：”IEEE Trans Audio Speech Lang Process“}，{“key”：“3407_CR38”，“doi-asserted-by”：“publisher”，“first page”：”489“，”doi“：”10.1109\/IJCNN.2004.1380068“，”volume“：”70“，”author“：”Guang-bin Huang“，”year“：”2006“，”unstructured“：”Huang Guang Guan-bin，Qin-yu Zhu CS（2006）极限学习机：一种新的前馈神经网络学习方案。神经计算70:489\u2013501。\n https:\/\/doi.org/10.1109\/IJCNN.20041380068”，“期刊标题”：“神经计算”}，｛“密钥”：“3407_CR39”，“doi断言者”：“crossref”，“非结构化”：“Chan TK，Chin CS（2017）提出了使用YIN基频估计器和基音进行水下推力器\u2019s故障分类的多级极值机器学习框架。在：IEEE高级机器人和机电一体化国际会议“，“DOI”：“10.1109\/ICARM.2017.8273183”}，{“key”：“3407_CR40”，“unstructured”：“KEEL Dataset Repository，\n http://\/sci2s.ugr.es\/croles\/datasets.php\n\n，2017访问日期：2017年6月27日”}UCI机器学习库，https:\/\/archive.ics.UCI.edu\/ml\/index.php，2017年。2017年6月27日访问“}”，“container-title”：[“神经计算和应用程序”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/s00521-018-3407-3.pdf”，“内容类型”：“application\/pdf”，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“”http:\/\/link.springer.com/article\/10.1007\/s00521-018-3407-3\/fulltext.html“，”content-type“：”text\/html“，”内容版本“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://\/link.springer.com\/content\/pdf\/10007\/s0052118-3407-3.pdf““：”相似性检查“}”，“存放”：{“日期部分”：[[2019,10,20]]，“日期时间”：“2019-10-20T16:40:43Z”，“时间戳”：1571589643000}，“分数”：1，“资源”：}“主要”：{“URL”：“http://\/link.springer.com/10.1007\/s00521-018-3407-3”}}，]}，“references-count”：41，“journal-issue”：{“issue”：“10”，“published-print“：{”date-parts“：[[2019,10]]}}，”alternative-id“：[”3407“]，”URL“：”http://\/dx.doi.org\/10.1007\/s00521-018-3407-3“，”relationship“：{}，“ISSN”：[“0941-0643”，“1433-3058”]，“ISSN-type”：[{“value”：“0941-0.643”“，”type“：”print“}，{“value”：“1433-3058”，“type”“：”电子“}]，”主题“：[]，”发布“：{”日期部分“：[[2018,3,3]]}，”断言“：[{”值“：”2017年12月11日“，”订单“：1，”名称“：”已接收“，”标签“：”接收“，“组”：{“名称”：“文章历史”，“标签”：“物品历史”}}，{“值”：“2018年2月24日”，“订单”：2，“名称”:“已接受”，“label”：“已接受“，”组“：在线“，”组“：{”name“：”ArticleHistory“，”label“：”Article History”}}]}}