{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,7,29]]，“日期-时间”：“2024-07-29T17:52:51Z”，“时间戳”：1722275571807}，“引用-计数”：41，“发布者”：“Springer Science and Business Media LLC”，“问题”：“4”，“许可证”：[{“开始”：{-日期-部件“：[2022,29]]我”：“2022-04-29T00:00:00Z”，“timestamp”：1651190400000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com/tdm”}，{“start”：{“date-parts”：[[2022,4,29]]，“date-time”：“2022-04-29T00:00:00Z”，“timetamp”：1.65119040000}，”content-versiion“：”vor“，”delay-in-days“：0，”URL“https://www.springer.com\/tdm“}]，“出资人”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金会”，“doi-asserted-by”：“publisher”，“award”：[“62072220”，“61502215”]，“id”：[{“id”:“10.13039\/501100001809”，“id type”：“doi”，“asserted by”：“publisher”}]}，{“doi“：”10.13039\/501100010012“，”name“：”中国航天科学基金会“，”doi-assert-by“：”publisher“，”award“：[”2020M672134“]，”id“：[{”id“：“10.13039\/501100010012”，“id-type”：“DOI”，“asserted-by”：“publisher”}]}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Cogn Compute”]，”published-print“：{”date-parts“：[2022,7]}，”DOI“：”10.1007\/s1259-022-0997-z“，”type“：”journal-article“，”创建“：{“date-parts”：[2022,4,29]]，“date-time”：“2022-04-29T04:13:33Z”，“时间戳”：1651205613000}，“页面”：“1526-1546”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：7，”title“：[”基于改进小波分解和ELM的矿井微震时间序列数据综合分类“]，”prefix“：”10.1007“，”volume“：”14“，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-4524-1647”，“authenticated-ORCID”：false，“给定”：“林林”，“家族”：“丁”，“序列”：“第一”，“从属”：[]}，{“给定”:“泽”，“家庭”：“陈”，“sequence”：“附加”，“affiliation”：[]}，{“给定”：“宝颜”，“家族”：“宋”，“序列”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,4,29]]}，“reference”：[{“key”：“9997_CR1”，“doi-asserted-by”：“publisher”，”first page“：“WA227”，”doi“：”10.1190\/geo2019-0267.1“，”volume“：”85“author”：“G Zhang”，“year”：“2020”，“unstructured”：“Zhang G，Lin C，Chen Y。用于微震波形分类和到达拾取的卷积神经网络。地球物理学。2020;85:WA227\u201340.“，”journal-title“：”地球物理学。“}，{”key“：“9997_CR2”，”doi-asserted-by“：”publisher“，”first page“：”111“，”doi“：”10.1016\/j.cageo.2018.0.008“，”volume“：”123“，”author“：”B Lin“，“year”：“2019”，“unstructured”：“Lin B，Wei X，Junjie Z.基于DCNN和SVM.Comp Geosci.2019；123:111\u201320.”，“journal title”：“”Comp Geosci“}，{”key“：”9997_CR3“，”doi-asserted-by“：”publisher“，”first page“：“104418”，”doi“：”10.1016\/j.cageo.2020.104418“，“volume”：“137”，“author”：“AH Wilkins”，“year”：“2020”，“unstructured”：“Wilkins AH，Strange A，Duan Y，Luo X.使用卷积神经网络识别采矿场景中的微震事件。Comp Geosci.2020；137:104418.”，“新闻标题“：”Comp Geosci。“}，{”key“：”9997_CR4“，”doi-asserted-by“：”publisher“，”first-page“：”1499“，”doi“：”10.3390\/en14051499“，“volume”：“14”，“author”：“S Kim”，“year”：“2021”，“unstructured”：“Kim S，Yoon B，Lim JT，Kim M.使用机器学习的微震数据驱动信号噪声分类。能源。2021；14:1499.”，“日志标题”：“能源”}，问题“：”1“，”密钥“：”9997_CR5“，”doi-asserted-by“：”publisher“，”first page“：”47“，”doi“：”10.1007\/s00603-020-02259-0“，”volume“：“54”，”author“：”S Tang“，”year“：”2021“，”unstructured“：”Tang S，Wang J，Tang C.结合注意机制的卷积神经网络识别岩石工程中的微震事件。岩石力学岩石工程2021；54（1）：47\u201369.“，”journal-title“：”Rock Mech Rock Eng“}，{”key“：”9997_CR6“，”doi-asserted-by“：”publisher“，”first page“：“883”，”doi“：”10.1016\/j.ins.2020.08.109“，”volume“：。用于微震波形分类的可解释时间\u2013频率卷积神经网络。信息科学。2021;546:883\u201396.“，”journal-title“：”Inf-Sci“}，{”key“：”9997_CR7“，”doi-asserted-by“：”publisher“，”first-page“：”105519“，”doi“：”10.1016\/j.enggeo.2020.105519”，“volume”：“268”，“author”：“Y Pu”，“year”：“2020”，“unstructured”：“Pu Y，Apel DB，Hall R。使用机器学习方法识别地下挖掘中的微震事件：十种常用模型的比较。工程地质。2020;268:105519.“，”新闻标题“：”工程地质。“}，{”issue“：“6”，”key“：“9997_CR8”，”doi-asserted-by“：”publisher“，”first page“：”1293“，”doi“：”10.1109\/JAS.2019.1911747“，”volume“：‘6’，”author“：”HA Dau“，”year“：”2019“，”unstructured“：”Dau HA，Bagnall A，Kamgar K，Yeh CC，Zhu Y，Gharghabi S，Ratanamahatana CA，Keogh E.UCR时间序列档案。IEEE CAA J Autom 2019年1月；6（6）：1293\u2013305。“，”journal-title“：”IEEE CAA J Autom Sin“}，{“issue”：“12”，“key”：“9997_CR9”，“doi-asserted-by”：“publisher”，“first-pages”：“1618”，“doi”：“10.3390\/atmos121618”，”volume“：”12“，”author“：”D Niu“，”year“2021”，“unstructured”：“Niu D，Diao L，Zang，et al。将小波包去噪与CatBoost相结合的机器学习方法用于天气预报。大气。2021;12（12）：1618.“，”journal-title“：”Atmosphere“}，{”key“：”9997_CR10“，”doi-asserted-by“：”publisher“，”first page“：“10584”，”doi“：”10.1109\/ACCES.2019.2962658“，”volume“：8”，”author“：”ZA Alyasseri“，”year“：”2020“，”unstructured“：”Alyassery ZA，Khader AT，Al-Betar MA，Abasi AK，Makhadmeh SN。将最优小波变换与有效的元启发式方法相结合，对脑电信号进行去噪。IEEE接入。2019;8:10584\u2013605.“，”journal-title“：”IEEE Access“}，{”key“：”9997_CR11“，”doi-asserted-by“：”publisher“，”first page“：“40347”，”doi“：”10.1109\/Access.2020.2975875“，”volume“：8”，”author“：”X Chen“，”year“：”2020“，”unstructured“：”Chen X，Yang Y，Cui Z，Shen J。基于变分模式分解和多尺度置换熵的风力机振动信号小波去噪。IEEE接入。2020;8:40347\u201356.”，“期刊标题”：“IEEE Access”}，｛“issue”：“28”，“key”：“9997_CR12”，“doi asserted by”：“publisher”，“first page”：“8983”，“doi”：“10.1364\/AO.437674”，“volume”：“60”，“author”：“H Guo”，“year”：“2021”，“nonstructured”：“Guo H，Yue L，Song P，Tan Y，Zhang L。基于改进小波变换阈值和阈值函数的紫外光接收信号去噪。应用选项。2021;60（28）：8983\u201390.“，”journal-title“：”Appl-Opt“}，{”issue“：”10“，”key“：”9997_CR13“，”doi-asserted-by“：”publisher“，”first-page“：”4943“，”doi“：”10.1007\/s00034-020-01397-8“，”volume“：“39”，”author“：”L El Bouny“，”year“：”2020“，”unstructured“：”El Boony L，Khalil M，Adib A。一种基于小波去噪和Teager能量算子的心电信号QRS波群自动检测方法。电路系统信号处理。2020;39（10）：4943\u201379.“，”journal-title“：”Circuits Syst Signal Process“}，{“issue”：“1\u20133”，“key”：“9997_CR14”，“doi-asserted-by”：“publisher”，“first-page”：“489”，“doi”：“10.1016\/j.neucom.2005.12.126”，“volume”：”70“author”：“GB Huang”，”year“2006”，“unstructured”：“Huang GB，Zhu QY，Siew CK。极限学习机器：理论与应用。神经计算。2006;70（1\u20133）：489\u2013501.“，”journal-title“：”Neurocomputing“}，{”issue“：”2“，”key“：”9997_CR15“，”doi-asserted-by“：”publisher“，”first-page“：”659“，”doi“：”10.1007\/s11277-019-06423-w“，”volume“：“108”，“author”：“K Juneja”，“year”：“2019”，“unstructured”：“Juneja-K，Rana C。基于脑电信号的脑活动分类的个体和互特征处理ELM模型。有线个人通讯。2019;108（2）：659\u201381.“，”journal-title“：”Wirel Pers Commun“}，{”key“：”9997_CR16“，”doi-asserted-by“：”publisher“，”first-page“：”30“，”doi“：”10.1016\/j.cogsys.2020.40.03“，”volume“：“63”，“author”：“AA Sekh”，“year”：“2020”，“unstructured”：“Sekh AA，Dogra DP，Kar S，Roy PP，Prasad DK。ELM-HTM引导的生物启发无监督学习用于异常轨迹分类。干邑系统研究2020；63:30\u201341.“，”journal-title“：”Cogn Syst Res“}，{”issue“：”5“，”key“：”9997_CR17“，”doi-asserted-by“：”publisher“，”first page“：“452”，”doi“：”10.3103\/S0146411619050079“，”volume“：‘53’，”author“：”L Wang“，”year“：”2019“，”unstructured“：”Wang L，Lan Z，Wang Q，Yang R，Li H。基于ELM_核和小波包分解的脑电分类算法。自动控制计算科学。2019;53（5）：452\u201360.“，”journal-title“：”Autom Control Compute Sci“}，{”key“：”9997_CR18“，”doi-asserted-by“：”publisher“，”first page“：“285”，”doi“：”10.1007\/s10916-019-1415-1“，“volume”：“43”，“author”：“Y Liu”，“year”：“2019”，“unstructured”：“Liu Y，Guo X，Zheng Y。一种基于心音特征的基于ELM分类器的HFpEF自动识别方法。医学系统杂志。2019;43:285.“，”journal-title“：”J Med Syst“}，{”key“：”9997_CR19“，”doi-asserted-by“：”publisher“，”first page“：“107682”，”doi“：”10.1016\/J.epsr.2021.107682“，“volume”：“204”，“author”：“Y Gao”，“year”：“2021”，“unstructured”：“Gao Y，Li Y，Zhu Y，Wu C，Gu D。基于自适应小波阈值和DBN-ELM混合模型的噪声条件下电能质量扰动分类。《电力系统2021号决议》；204:107682.“，”journal-title“：”Electr Power Syst Res.“}，{”issue“：”6“，”key“：”9997_CR20“，”doi-asserted-by“：”publisher“，”first page“：“2382”，”doi“：”10.1007\/s10489-018-01403-2“，“volume”：“49”，“author”：“H Yu”，“year”：“2019”，“unstructured”：“Yu H，Sun X，Wang J.Ensemble OS-ELM based on combination weight for data stream classification.Appl Intell2019；49（6）：2382\u201390.“，”journal-title“：”Appl Intell“}，{”key“：”9997_CR21“，”first page“：“4100204”，“volume”：“22”，“author”：“U Subudhi”，“year”：“2021”，“unstructured”：“Suudhi U，Dash S.使用GWO ELM.J Ind-Inf Integr.2021；22:4100204.”，“journal-title”：“J Ind Inf Integr.”}，”key“：”9997_CR22“，”doi-asserted-by“：”publisher“，”first page“：”24777“，”doi“：”10.1007\/s11042-010517-8“，“volume”：“80”，“author”：“A Diker”，“year”：“2021”，“unstructured”：“Diker A，S\u00f6nmez Y，\u00d6zyurt F，Avc\u0131 E，Avc\ u0131 D。使用深度卷积神经网络特征检查心电图信号分类技术DEA-ELM。多媒体工具应用程序。2021;80:24777\u2013800.“，”journal-title“：”Multimed Tools Appl“}，{”key“：”9997_CR23“，”doi-asserted-by“：”publisher“，”first page“：“175”，”doi“：”10.1016\/j.neucom.2017.01.090“，”volume“：：”240“，”author“：”N Zeng“，”year“：”2017“，”unstructured“：”曾恩，张华，刘伟，梁杰，阿尔萨迪FE。一种用于短期负荷预测的切换延迟PSO优化极值学习机。神经计算。2017;240:175\u201382.“，”journal-title“：”Neurocomputing“}，{“key”：“9997_CR24”，“doi-asserted-by”：“publisher”，“首页”：“6505”，“doi”：“10.1109\/ACCESS.2019.2963784”，“卷”：“8”，“作者”：“W Cai”，“年份”：“2020”，“非结构化”：“Cai W，Yang J，Yu，Song Y，Zhou T，Qin J。PSO-ELM：短期交通流预测的混合学习模型。IEEE接入。2020;8:6505\u201314.“，”journal-title“：”IEEE Access“}，{”issue“：”2“，”key“：”9997_CR25“，”first page“：“306”，“volume”：“22”，“author”：“Y Su”，“year”：“2020”，“unstructured”：“Su Y，Wan J，Yi J.A PSO-based Wavelet-core ELM for Abnormal Flow Detection。Int J Netw Secur.2020；22（2）：306\u201313.”，”，“journal-title”：“Int J Netw Secur”}，{“键”：“9997_CR26”，“doi断言：“crossref”，“非结构化”：“Li W，Narvekar N，Nakshatra N，Raut N，Sirkeci B，Gao J.使用机器学习进行地震数据分类。2018年IEEE第四届大数据计算服务和应用国际会议（BigDataService）。IEEE；2018年，p.56\u201363。“，”DOI“：”10.1109\/BigDataService.2018.00017“}，{“key”：“9997_CR27”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hickmann KS，Hyman J，Srinivasan G.使用非线性支持向量机对地震数据进行高效稳健分类。摘自：2017年第51届信号、系统和计算机Asilomar会议。IEEE；2017年。p.148\u201355.”，“DOI”：“10.1109\/ACSSC.2017.83355156”}，{“key”：“9997_CR28”，“DOI断言”：“crossref”，“非结构化”：“Sun G，Wang Z，Zhao J，Wang H，Ni C，Bai J，Wu N。一种基于数据流分类的矿压安全评价方法。2017年第13届自然计算、模糊系统和知识发现国际会议（ICNC-FSKD）。IEEE；2017.p.649\u201353.“，“DOI”：“10.1109\/FSKD.2017.8393347”}，{“key”：“9997_CR29”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shakel\nM，Itoyama K，Nishida K，Nakadai K。EMC：通过卷积递归网络对非地震信号进行震级分类。In:2021 IEEE\/SICE\n国际系统集成研讨会（SII）。IEEE；2021p.388\u201393.“，”DOI“：”10.1109\/IEEECONF49454.2021.9382696“}，{”key“：”9997_CR30“，”DOI-asserted-by“：”publisher“，”first page“：“1322”，“DOI”：“10.1109\/JSTARS.2020.2982714”，“volume”：“13”，“author”：“PE Lara”，“year”：“2020”，“unstructured”：“Lara PE，Fernandes CA，Inza A，Mars JI，M\u00e9taxian JP Dalla Mura M、Malfante M。使用机器学习和EMD的多通道火山地震自动分类。IEEE J Sel Top Appl Earth Obs遥感器2020；13:1322\u201331.“，”journal-title“：”IEEE J Sel Top Appl Earth Obs Remote Sens“}，{“key”：“9997_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Li J，Yang C，Stankovic V，Stankovi L，Pytharouli S。优化特征空间的基于图的微地震信号分类。摘自：IGARSS 2020 \u20132020 IEEE国际地球科学和遥感研讨会。IEEE；2020年，p.1667\u201370.“，”DOI“：”10.1109\/IGARSS39084.2020.9323375“}，{”issue“：”2“，”key“：”9997_CR32“，”DOI-asserted-by“：”publisher“，”first page“：“272”，“DOI”：“10.1109\/LGRS.2017.2785834”，“volume”：“15”，“author”：“S Yuan”，“year”：“2018”，“unstructured”：“Yuan S，Liu J，Wang S，Wang T，Shi p。利用卷积神经网络进行地震波形分类和初至波拾取。IEEE Geosci遥感快报。2018;15（2）:272\u20136.”，“期刊标题”：“IEEE Geosci Remote Sens Lett”}，｛“issue”：“3”，“key”：“9997_CR33”，“doi断言”：“publisher”，“首页”：“613”，“doi”：“10.1109\/18.382009”，“volume”：“41”，“author”：“DL Donoho”，“year”：“1995”，“nonstructured”：“Donoho DL。通过软阈值消除噪声。IEEE Trans-Inf Theory。1995；41（3）:613\u201327。“，”期刊标题“：”IEEE Trans-Inf理论“}，{”key“：”9997_CR34“，”doi-asserted-by“：”publisher“，”first page“：“723”，”doi“：”10.1016\/j.optcom.2017.11.021“，”volume“：。相干自由空间光通信中基于小波分形插值的波前重构方法。Opt Commun（可选通信）。2018;410:723\u20139.“，”journal-title“：”Opt-Comun“}，{”key“：”9997_CR35“，”doi-asserted-by“：”crossref“，”unstructured“：”Gallyas-Sanhueza A，Studer C.多天线mmWave系统中的盲信噪比估计和非参数信道去噪。摘自：ICC 2021-IEEE国际通信会议。IEEE；2021。p.1\u20137.“，”DOI“：”10.1109\/ICC42927.2021.9500387“}，{”issue“：”7“，”key“：”9997_CR36“，”DOI-asserted-by“：”publisher“，”first page“：“e0235330”，“DOI”：“10.1371”journal.pone.0235330“，“volume”：“15”，“author”：“M Zhang”，“year”：“2020”，“unstructured”：“Zhang M，Wei G。一种用于降低心电噪声的集成EMD自适应阈值去噪方法。请选择一个。2020;15（7）：e0235330。“，“新闻标题”：“第一条。“}，{”issue“：”1“，”key“：”9997_CR37“，”doi-asserted-by“：”publisher“，”first-page“：”13“，”doi“：”10.1109\/JBHI.2020.2982935“，”volume“：“25”，“author”：“HD Hesar”，“year”：“2020”，“unstructured”：“Hesar HD，Mohebbi M.心电图去噪的自适应卡尔曼滤波器组。IEEE J Biomed Health Inform.2020；25（1）：13\u201321.”，”，“日志标题”：“IEEE J Biomed Health Inform“}，{”issue“：“5”，”key“：“9997_CR38”，”doi-asserted-by“：”publisher“，”first page“：”925“，”doi“：”10.1109 \/LGRS.2020.2989450“，”volume“:”18“，”author“：”X Dong“，”year“：”2021“，”unstructured“：”Dong X，Zhong T，Li Y.一种基于深度学习的多区域地表地震数据去噪方法。IEEE Geosci Remote Sens Lett.2021；18（5）：925\u20139.“，”journal-title“：”IEEE Geosci Remote Sens Lett“}，{”key“：”9997_CR39“，”first page“：“6235319”，“volume”：“2021”，”author“：”Z Wang“，”year“：”2021“，”unstructured“：”Wang Z，Wang B，Guo J，Zhang S.基于扩张可分离密集连接CNN和Quantum-Behaved PSO算法的声纳目标检测。计算智能神经科学。2021；2021:6235319.“，”journal-title“：”Comput Intell Neurosci“}，{“key”：“9997_CR40”，“volume-title”：“基于特征提取的时间序列分类方法研究”，“author”：“Z-Wang”，“year”：“2019”，“unstructured”：“Wang Z.基于特征抽取的时间序列划分方法研究。江苏：南京大学；2019.”}，“issue”：“3”，“key“：”9997_CR41“，”doi-asserted-by“：”publisher“，”first-page“：”3948“，”doi“：”10.1109\/JSYST.2020.3012937“，”volume“：“15”，”author“：”R Yadav“，”year“：”2020“，”unstructured“：”Yadav R，Pradhan AK。基于马尔可夫链模型的PCA-LSTM学习网络用于电力系统网络诱导停电的在线分类。IEEE系统J.2020；15（3）：3948\u201357.“，”journal-title“：”IEEE Syst J“}]，”container-title”：[“认知计算”]，”original-title:[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/s12559-022-09997-z.pdf”，“内容类型”：“应用程序\/pdf”、“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s12559-022-09997-z\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//link.springer\com/content\/pdf\/10007\/s12558-022-0999 7-z.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-aapplication”“：”相似性检查“}”，“存放”：{“日期部分”：[[2022,7,22]]，“日期时间”：“2022-07-22T13:22:29Z”，“时间戳”：1658496149000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com\/10.1007\/s12559-022-09997-z”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022,4,29]]}，“references-count”：41，“journal-issue”：{“issue”：“4”，“published-print“：{“date-parts”：[[2022,7]]}}，“alternative-id”：[“9997”]，“URL”：“http://\/dx.doi.org\/10.1007\/s12559-022-09997-z”，“relation”：{}，”ISSN“：[“1866-9956”，“1866-9964”]，”ISSN-type“：[{“value”：“1866-956”，“type”：电子“}]，”主题“：[]，”发布“：{”日期部分“：[2022,4,29]]}，”断言“：[{”值“：”2021年7月29日“，”订单“：1，”名称“：”收到“，”标签“：”接收“，”组“：：“首次联机”，“组”：{“name“：”ArticleHistory“，”label“：”ArticleHistory“｝｝，｛”order“：1，”name“：”Ethics“，”group“：｛”name“：”EthicsHeading“，”label“：”Declarations“｝｝，｛”value“：”本文不包含任何作者对人类参与者或动物进行的任何研究。“，”order“：2，”name“：”Ethics“，”group“：｛”name“：”EthicsHeading“，”label“：”Ethics Approval“｝｝，｛”价值：“由于本文不包含任何作者对人类参与者或动物进行的任何研究，因此知情同意书不适用。“，”order“：3，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”知情同意“}}，{”value“：”作者声明没有竞争利益。“，”rder“：4，”name”：“Ethics”，“group”：{