基于加速度计与GNSS数据的动物行为原位分类多模态传感器数据融合
机器学习
2022-10-27 v2 人工智能
信号处理
摘要
在本文中，我们研究了利用多种传感模式（即加速度计与全球导航卫星系统（GNSS））的数据对动物行为进行分类。我们从GNSS数据中提取了三个新特征，即距水源距离、中位速度和中位估计水平位置误差。我们通过两种方法融合加速度计与GNSS数据中的可用信息。第一种方法基于将从两种传感器数据中提取的特征进行拼接，并将拼接后的特征向量输入多层感知机（MLP）分类器。第二种方法基于融合两个MLP分类器预测的后验概率。每个分类器的输入是从一种传感模式数据中提取的特征。我们使用通过智能牛项圈标签和耳标收集的两条真实世界数据集评估所开发的多模态动物行为分类算法的性能。留一动物交叉验证结果表明，与使用单一传感模式数据相比，两种方法均显著提升了分类性能。这对于罕见但重要的行走和饮水行为尤为明显。基于两种方法开发的算法所需的计算与存储资源极少，因此适合在项圈标签和耳标的嵌入式系统中实现。然而，基于后验概率融合的多模态动物行为分类算法优于基于特征拼接的算法，因其具有更高的分类准确率、更低的计算与存储复杂度、对传感器数据失效更强的鲁棒性，以及更好的模块化特性。
引用
@article{arxiv.2206.12078,
title = {Multimodal sensor data fusion for in-situ classification of animal behavior using accelerometry and GNSS data},
author = {Reza Arablouei and Ziwei Wang and Greg J. Bishop-Hurley and Jiajun Liu},
journal= {arXiv preprint arXiv:2206.12078},
year = {2022}
}