95.7% 真实数据精度
面向少样本与低信噪比场景，通过 Hankel 重构与奇异值场映射构建可迁移的深度特征，在真实与公开数据集上均实现高精度分类。
Hongru, Li · Li, Xihai · Liu, Jihao · Zeng, Xiaoniu · Yun, Zhang · 刘代志
Acta Geophysica Sinica 2026
利用跨域特征迁移，从预训练网络中间层提取多尺度特征，在敏感事件样本稀缺的情况下仍能获得高分类准确率。
通过双约束优化模型平衡时延嵌入的深度与宽度，结合奇异值分解阈值策略保留主成分能量、抑制噪声，适合低信噪比的次声信号。
在真实数据集上分类准确率达到 95.7%，公开 LOTIS 数据集上也超过 95%，满足次声事件监测的实用需求。