...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Seismological research letters >Standardization of Noisy Volcanoseismic Waveforms as a Key Step toward Station-Independent, Robust Automatic Recognition
【24h】

Standardization of Noisy Volcanoseismic Waveforms as a Key Step toward Station-Independent, Robust Automatic Recognition

机译：嘈杂的火山激动波形标准化作为站立独立，强大的自动识别的关键步骤

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This article addresses the automatic volcanoseismic recognition (VSR) in a noisy scenario studying the robustness of a classifier based on hidden Markov models (HMMs). The system learns recognition models analyzing signals recorded in 1995 to automatically detect and classify noisy events of 2009. Both datasets were acquired in different locations at Deception Island and with a different type of sensor showing a variety of site effects and noises. To deal with the inherent waveform variability of this setup, we propose to reconstruct the seismograms to achieve both modeling standardization and noise reduction goals. We analyze a set of empirical mode decomposition (EMD) algorithms jointly with static and dynamic reconstruction criteria to evaluate their impact on the robustness of the recognition process. This machine-learning focus on real time, continuous, unsupervised VSR paradigm is able to increase by 16% the global VSR accuracy using an adaptive reconstruction compared to the scores obtained without any standardization.
机译：本文在嘈杂的情况下，解决了基于隐马尔可夫模型（HMMS）的分类器的稳健性的嘈杂场景中的自动火山激动识别（VSR）。该系统了解识别模型分析1995年记录的信号，以自动检测和分类2009年的噪声事件。在欺骗岛的不同地点中获得了两种数据集，以及不同类型的传感器，显示出各种场地效果和噪音。要处理此设置的固有波形可变性，我们建议重建地震图以实现建模标准化和降噪目标。我们与静态和动态重建标准共同分析一组经验模式分解（EMD）算法，以评估它们对识别过程的稳健性的影响。这款机器学习专注于实时，连续，无人驾驶的VSR范例能够使用自适应重建与没有任何标准化获得的分数相比，全局VSR精度增加了16％。

著录项

  • 来源
    《Seismological research letters》 |2019年第2appa期|共10页
  • 作者

    Cortes Guillermo; Carniel Roberto; Angeles Mendoza M.; Lesage Philippe;

  • 作者单位

    Univ Udine DPIA Via Sci 206 I-33100 Udine Friuli Italy;

    Univ Udine DPIA Via Sci 206 I-33100 Udine Friuli Italy;

    Univ Granada Dept Ciencias Computac &

    Inteligencia Artificial C Periodista Daniel Saucedo Aranda S-N E-18071 Granada Spain;

    Univ Savoie Mt Blanc Univ Grenoble Alpes Inst Sci Terre ISTerre CNRS IRD IFSTTAR F-38000 Grenoble France;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 地震学;
  • 关键词

相似文献

  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号