使用隐马尔可夫模型分析动物加速度计数据
定量方法
2016-02-23 v1
摘要
加速度计的使用现在在动物生物遥测中广泛存在，因为它们提供了一种在无法直接观察的情况下以有意义和定量方式测量动物活动的方法。在连续加速度数据中，运动或行为的观测之间存在自然的依赖性，这一事实在大多数分析中被很大程度上忽略。明确建模序列依赖性的加速度数据分析主要依赖于隐马尔可夫模型(HMMs)。根据分析的目的，可以采用监督或无监督学习方法。在监督背景下，训练HMM将未标记的加速度数据分类为有限组预先指定的类别，而我们将展示如何使用无监督学习方法来推断动物行为的新方面。我们将提供在监督和无监督背景下实施和评估HMM所需的细节，并讨论每种情况的数据要求。我们概述了海洋和空中系统（鲨鱼和鹰）的两个应用，采用无监督方法，该方法更适用于实地测量的动物活动。HMM用于推断时间、大气和潮汐输入对动物行为的影响。动物加速度计数据使生态学家能够识别动物活动（以及由此行为）的重要关联和驱动因素。HMM框架非常适合处理加速度数据中通常观察到的主要特征。将动物活动的直接观测与考虑加速度数据特征的统计模型相结合的能力，提供了一种量化动物行为、能量消耗的新方法，并加深了我们对作为种群和生态系统组成部分的个体行为的洞察。
引用
@article{arxiv.1602.06466,
title = {Analysis of animal accelerometer data using hidden Markov models},
author = {Vianey Leos-Barajas and Theoni Photopoulou and Roland Langrock and Toby A. Patterson and Yuuki Watanabe and Megan Murgatroyd and Yannis P. Papastamatiou},
journal= {arXiv preprint arXiv:1602.06466},
year = {2016}
}