|
|
Journal of Industrial and Systems Engineering، جلد ۱، شماره ۴، صفحات ۲۸۱-۲۹۲
|
|
|
| عنوان فارسی |
|
|
| چکیده فارسی مقاله |
|
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Identifying Useful Variables for Vehicle Braking Using the Adjoint Matrix Approach to the Mahalanobis-Taguchi System |
|
| چکیده انگلیسی مقاله |
The Mahalanobis Taguchi System (MTS) is a diagnosis and forecasting method for multivariate data. Mahalanobis distance (MD) is a measure based on correlations between the variables and different patterns that can be identified and analyzed with respect to a base or reference group. MTS is of interest because of its reported accuracy in forecasting small, correlated data sets. This is the type of data that is encountered with consumer vehicle ratings. MTS enables a reduction in dimensionality and the ability to develop a scale based on MD values. MTS identifies a set of useful variables from the complete data set with equivalent correlation and considerably less time and data. This paper presents the application of the Adjoint Matrix Approach to MTS for vehicle braking to identify a reduced set of useful variables in multidimensional systems. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
الیزابت a cudney | elizabeth a
university of missouri – rolla, rolla, missouri 65409 usa
کیومرث پریانی |
lawrence technological university, southfield, massachusetts 02139 usa
kenneth m ragsdell | kenneth m
university of missouri – rolla, rolla, missouri 65409 usa
|
|
| نشانی اینترنتی |
http://www.jise.ir/article_3935_ec52a34b9c898b56a2b31d65ca64675f.pdf |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
en |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|