Fuzzy Logic Algorithms to Identify Birds, Precipitation, and Ground Clutter in S-Band Radar Data Using Polarimetric and Nonpolarimetric Variables
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The statistical properties of the radar echoes from biological, precipitation, and ground targets observed with the McGill S-band dual-polarization radar have been used to devise a polarimetric and a nonpolarimetric fuzzy logic algorithm for pixel-by-pixel target identification. Radar observations of migrating birds show distinctly different polarimetric features during their relative approach and departure from the radar site illustrating the dependency of radar parameters on the canting angle and scattering cross section. The devised algorithms have been tested with two independent events, each consisting of 2 h of radar observations with a 5-min temporal resolution. One event consisted of precipitation without birds while the other contained only birds. The misclassifications were 10.12% and 9.6%, respectively, for the two cases for the nonpolarimetric algorithm, and 1.99% and 0.92% for the polarimetric algorithm. The results indicate that even though nonpolarimetric radar membership functions may be considered adequate for separating radar echo returns from birds, precipitation, and ground targets, they are not sufficiently skilled if a greater accuracy is required. Target identification without polarimetric variables especially fails in the region of zero isodop and in precipitation with an echo top below 4 km.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle