Compresión de señales sísmicas utilizando aprendizaje de diccionario no paramétrico bayesiano a través de agrupamiento
Autores: Tian, Xin; Li, Song
Idioma: Inglés
Editor: MDPI
Año: 2017
Disponible con Suscripción Virtualpro
Artículos
Categoría
Ingeniería y Tecnología
Licencia
Atribución – Compartir igual
Consultas: 3
Citaciones: Sin citaciones
Introducimos un método de compresión de señales sísmicas basado en el método de aprendizaje de diccionario bayesiano no paramétrico a través de agrupamiento. Los datos sísmicos se comprimen parche por parche, y el diccionario se aprende en línea. Se introduce el agrupamiento para el aprendizaje de diccionarios. Se podría generar un conjunto de diccionarios, y cada diccionario se utiliza para la codificación dispersa de un clúster. De esta manera, las señales en un clúster podrían estar bien representadas por sus diccionarios correspondientes. Se utiliza un método de aprendizaje de diccionario bayesiano no paramétrico para aprender los diccionarios, que infiere naturalmente un tamaño de diccionario apropiado para cada clúster. Se adopta un cuantificador uniforme y un algoritmo de codificación aritmética adaptativa para codificar los coeficientes dispersos. Con comparaciones con otros enfoques de vanguardia, la efectividad del método propuesto podría validarse en los experimentos.
Descripción
Introducimos un método de compresión de señales sísmicas basado en el método de aprendizaje de diccionario bayesiano no paramétrico a través de agrupamiento. Los datos sísmicos se comprimen parche por parche, y el diccionario se aprende en línea. Se introduce el agrupamiento para el aprendizaje de diccionarios. Se podría generar un conjunto de diccionarios, y cada diccionario se utiliza para la codificación dispersa de un clúster. De esta manera, las señales en un clúster podrían estar bien representadas por sus diccionarios correspondientes. Se utiliza un método de aprendizaje de diccionario bayesiano no paramétrico para aprender los diccionarios, que infiere naturalmente un tamaño de diccionario apropiado para cada clúster. Se adopta un cuantificador uniforme y un algoritmo de codificación aritmética adaptativa para codificar los coeficientes dispersos. Con comparaciones con otros enfoques de vanguardia, la efectividad del método propuesto podría validarse en los experimentos.