用于识别海狮科鳍足类捕食处理活动的机器学习方法
机器学习
2020-02-11 v1 信号处理
机器学习
摘要
搭载传感器的可穿戴设备系统被广泛用于收集人类与动物活动数据，以期实现板上数据自动分类。这些系统的一个有趣应用是通过传感器数据分析支持动物行为监测。这是一个具有挑战性的领域，尤其受限于固定存储能力，因为设备应在被人类操作员取回前自主运行长时间，且能板上分类活动可显著提升其自主性。本文中，我们聚焦于识别海豹的捕食处理活动(动物开始附着并撕咬猎物时)，这是标识成功觅食活动的主要运动之一。所考虑的数据为直接附着于海豹的设备收集的3D加速度计与深度传感器值流。为分析这些数据，我们提出一种基于机器学习(ML)算法的自动模型。特别地，我们比较三种ML算法的性能(在准确率和F1分数方面)：输入延迟神经网络、支持向量机和回声状态网络。我们致力于开发板上自动分类器的最终目标。为此，本文中比较针对各所开发ML方法获得的性能及其内存占用进行。最后，我们强调使用ML算法在野生动物监测可行性方面的优势。
引用
@article{arxiv.2002.03866,
title = {Machine learning approaches for identifying prey handling activity in otariid pinnipeds},
author = {Rita Pucci and Alessio Micheli and Stefano Chessa and Jane Hunter},
journal= {arXiv preprint arXiv:2002.03866},
year = {2020}
}