A fusion of principal component analysis and singular value decomposition based multivariate denoising algorithm for free induction decay transversal data
Notice bibliographique
Résumé
The free induction decay (FID) transversal data determines the measurement accuracy of time-dependent geomagnetic fields, whereas the conservation of clean components and removal of noise cannot be easily achieved for this kind of data. Even though numerous techniques have been proven to be effective in improving the signal-to-noise ratio by filtering out frequency bands, how to efficiently reduce noise is still a crucial issue due to several restrictions, e.g., prior information requirement, stationary data assumption. To end this, a new multivariate algorithm based on the fusion of principal component analysis (PCA) and singular value decomposition (SVD), namely, principal component analysis and decomposition (PCAD), was presented. This novel algorithm aims to reduce noise as well as cancel the interference of FID transversal data. Specifically, the PCAD algorithm is able to obtain the dominant principal components of the FID and that of the noise floor by PCA, in which an optimal number of subspaces could be retained via a cumulative percent of variance criterion. Furthermore, the PCA was combined with an SVD filter whose singular values corresponding to the interferences were identified, and then the noise was suppressed by nulling the corresponding singular values, which was able to achieve an optimum trade-off between the preservation of pure FID data and the denoising efficiency. Our proposed PCAD algorithm was compared with the widely used filter methods via extensive experiments on synthetic and real FID transversal data under different noise levels. The results demonstrated that this method can preserve the FID transversal data better and shows a significant improvement in noise suppression.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».