纳入离群值：一种用于学习小鼠超声发声字典的稀疏子空间聚类方法
音频与语音处理
2020-03-13 v1 声音
摘要
小鼠在社会互动过程中于超声频段发声。这些发声被用于神经科学和临床研究，以探究复杂的行为和状态。传统上，这些超声发声（USVs）的分析是一个人工过程，容易出错且带有人类偏见，并且无法扩展到大规模分析。我们提出了一种基于两步谱聚类方法自动创建USVs字典的新方法，该方法将USVs集合划分为内点数据集和离群值数据集。该方法的动机在于已知稀疏子空间聚类在存在离群值时性能会下降。我们对内点数据集应用谱聚类，随后为离群值寻找聚类。我们提出了定量和定性的性能度量来评估我们在无真实标签这一设定下的方法。我们的方法在所有提出的性能度量上均优于基于k-means和谱聚类的两个基线，显示出更大的簇间距离和更强的簇间变异性。
引用
@article{arxiv.2003.05897,
title = {Bringing in the outliers: A sparse subspace clustering approach to learn a dictionary of mouse ultrasonic vocalizations},
author = {Jiaxi Wang and Karel Mundnich and Allison T. Knoll and Pat Levitt and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:2003.05897},
year = {2020}
}
备注
5 pages, 4 figures, conference paper, accepted in ICASSP 2020