Scidown文献预览系统！
高维数据流故障分类:基于多重假设检验的方向性诊断框架( Fault classification for high-dimensional data streams: A directional diagnostic framework based on multiple hypothesis testing )
D Xiang W Li F Tsung X Pu Y Kang data-driven directional isolation high-dimensional fault diagnosis multiple testing statistical process control
在涉及高维数据流(HDDS)的各种现代统计过程控制应用中，对失控(OC)流的准确故障诊断变得至关重要。现有的诊断方法要么集中在中等维的过程中，要么不能准确地确定位移方向，尤其是在信噪比较低的情况下。在本文中，我们进行了大胆的尝试，考虑了HDDS的平均向量的故障分类问题，其中确定OC流的移动方向对于进行定制修复是非常重要的。为此，在控制数据流均值为0，方差为1，报警后的高维观测值为OC的基本假设下，将该问题转化为一个三分类多重检验框架，提出了一种有效的数据驱动诊断方法，以最小化期望误报数，并将漏检率控制在给定水平。该方法在统计上是最优的，在计算上是有效的，并通过考虑方向信息提高了诊断的有效性，为指导进一步的决策提供了见解。理论和数值结果都表明了新方法的优越性。
SciDown文献求助系统（解决99%问题） Public Download Wiley ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 锂离子电池用溶胶-凝胶法制备纳米Li2MnO3下载