Apprentissage statistique: classification automatique de signaux volcano-sismiques
Résumé
Automatic classification of seismic signals recorded in observatories for volcanic monitoring is still an open issue. The amount of data to be analysed is such that manual processing is no longer a viable option. In this paper, we consider machine learning methods to propose supervised architecture for automatic classification of volcano-seismic signals. To the best of our knowledge, this is one of the first functional attempt to automatically process such data. The success of the proposed method lies in the chosen data representation (feature space).
– Dans le contexte de surveillance volcanique, la question de l'analyse automatique des données sismiques enregistrées en observatoire reste sans réponse. La quantité de données à analyser est telle qu'une analyse manuelle n'est plus possible. On considère ici l'utilisation de méthodes d'apprentissage statistique, et en particulier d'apprentissage supervisé pour proposer une architecture de classification automatique des données volcano-sismiques. C'est l'une des premières méthodes d'analyse automatique pour ce type de données, testée et validée sur une large base de données. Le succès du système présenté vient en particulier de la représentation choisie pour les données (espace des descripteurs).
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...