通过超声信号的去趋势波动分析识别微观结构
数据分析、统计与概率
2015-06-11 v2 无序系统与神经网络
摘要
我们描述了一种模拟超声在随机一维介质中传播的算法，该算法通过从概率分布中选择域尺寸和质量密度等物理属性来模拟不同的微观结构。通过将模拟超声信号的去趋势波动分析 (DFA) 与模式识别文献中的工具相结合，我们构建了一个高斯分类器，能够以非常高的成功率将每个超声信号与其对应的微观结构关联起来。此外，我们还表明 DFA 数据可用于训练多层感知机，以估计与不同微观结构相关的物理属性的数值。
引用
@article{arxiv.1208.2070,
title = {Microstructure identification via detrended fluctuation analysis of ultrasound signals},
author = {Paulo G. Normando and Romao S. Nascimento and Elineudo P. Moura and Andre P. Vieira},
journal= {arXiv preprint arXiv:1208.2070},
year = {2015}
}
备注
Submitted to Phys. Rev. E