MétaCan
Menu
Retour à la cohorte
Enregistrement W2791037455 · doi:10.1088/1674-1056/27/1/010502

Detection of meso-micro scale surface features based on microcanonical multifractal formalism

2018· article· en· W2791037455 sur OpenAlexaff
Yuanyuan Yang, Tao Xie, William Perrie

Notice bibliographique

RevueChinese Physics B · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésMultifractal systemFormalism (music)Statistical physicsPhysicsFractalMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Synthetic aperture radar (SAR) is an effective tool to analyze the features of the ocean. In this paper, the microcanonical multifractal formalism is used to analyze SAR images to obtain meso-micro scale surface features. We use the Sobel operator to calculate the gradient of each point in the image, then operate continuous variable scale wavelet transform on this gradient matrix. The relationship between the wavelet coefficient and scale is built by linear regression. This relationship decides the singular exponents of every point in the image which contain local and global features. The manifolds in the ocean can be revealed by analyzing these exponents. The most singular manifold, which is related to the streamlines in the SAR images, can be obtained with a suitable threshold of the singular exponents. Experiments verify that application of the microcanonical multifractal formalism to SAR image analysis is effective for detecting the meso-micro scale surface information.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,455
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Physics BMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207