전통적인 통계 방법은 일반적으로 고전 통계 및 확률 이론에 기초한 연구 방법을 말합니다. 중요한 이론적 기초는 많은 정리와 중심 한계 정리입니다. 많은 실험 데이터, 많은 수의 랜덤 변수 및 인구에 대한 작은 영향이 필요합니다. 상호 의존성을 가지고있다. 정보 엔트로피 방법은 시스템 확률 분포 또는 주파수를 알아야하고, 또한 제한된 수의 데이터를 필요로한다. 확률 분포를 알 수없고 데이터가 작은 경우 추론 오류가 매우 큽니다. 그레이 계 이론 예측의 신뢰도는 미리 결정될 수 없다. 따라서, 예측 결과는 불확실하고, 동시에 원래의 데이터 시퀀스가 너무 엄격하다, 즉, 그레이 예측은 제한된 영역을 가지며, 일부 어려운 문제가있다 동적 예측에서 발생합니다. 퍼지 세트 이론의 주요 문제는 확률 분포를 알 수 없다는 것입니다. 시스템의 멤버쉽 기능을 설정하고 멤버쉽을 선택하는 것은 매우 어렵습니다. 베이지안 방법은 확률 분포 함수 또는 빈도 값을 알고 있어야합니다. 이 정보가 없으면 경험적 가치를 정확하게 얻을 수 없으며 추론 결과의 오차가 매우 클 수있다. 자조 방법 분포 모집단의 초기 표본의 대표성에 전적으로 의존하여, 시뮬레이션 된 표본 추출 결과는 더 신뢰할 수없고, 특히 작은 표본의 상태에 대한 정보가 부족한 경우에는 더 많은 정보를 얻을 수 없습니다. 신뢰성이 낮습니다.
위의 연구에 따르면 정보 부족 문제를 효과적으로 해결하기위한 단일 방법은 어렵다. 각 방법에는 장단점이 있습니다. 여러 방법을 효과적으로 통합 할 수 있으면 단일 방법의 장점을 최대한 활용하고 단일 방법의 단점을 버리고 합법적으로 퓨전 방법을 사용하십시오. 다른면과 각도에 대한 정보를 얻을 수 있습니다. Xia Xintao 및 기타 147.30은 이와 관련하여 베어링 성능 분석에 많은 노력을 기울였으며 롤러 베어링 성능 평가 문제의 해결책에 대한 좋은 아이디어를 제공했습니다.