使用分布式声学传感监测的城市基础设施监测的Meta-Learning的少数镜头分类

科学领域:

• 机器学习 机器学习
• 信号处理 信号处理
• 城市基础设施监测 城市基础设施监测

背景情况:

• 分布式声学传感 (DAS) 对于监控城市基础设施至关重要.
• 对于具有有限标记数据的事件检测,需要进行少数拍摄分类.

研究的目的:

• 开发和评估DAS数据的基于meta-learning的几次分类框架.
• 调查不同预处理技术对分类性能的影响.

主要方法:

• 实现了一个神经网络模型,利用meta-learning进行特征提取和分类.
• 探索了三种预处理方法:分解相,功率光谱密度和频率能量带.
• 开发了一个简单的分类框架,用于使用有限的支持样本对查询样本进行分类.

主要成果:

• 嵌入模型在各种预处理的DAS数据中展示了高效的学习能力.
• 在大量的赛事类别中取得了出色的少数射击分类表现.
• 该框架显示了与不同预处理技术的适应性.

结论:

• 拟议的元学习框架对于DAS数据的短暂分类是有效的.
• 这项研究为DAS.的预处理策略提供了有价值的见解.
• 该框架对现实世界城市基础设施监控应用具有重大潜力.