基于多视图集成的鸟鸣分类研究

【目的】尝试融合多视图特征来最大化特征信息,提出多视图级联集成卷积神经网络(MVC⁃CNN)鸟鸣音分类方法,构建泛化性较强的鸟鸣分类模型,以促进鸟类物种多样性保护和生态环境智能监测的深入研究。【方法】以16种鸟鸣音频数据为研究对象,采用短时傅里叶变换(STFT)、小波变换(WT)和希尔伯⁃特黄变换(HHT)等特征提取方法生成鸟鸣音的3类谱图以构成多视图特征数据,并作为卷积神经网络(CNN)的输入,训练不同视图的基分类器STFT⁃CNN、WT⁃CNN和HHT⁃CNN;分别采用Bagging和Stacking集成方法构建了多视图Bagging集成卷积神经网络(MVB⁃CNN)模型和多视图Stacking集成卷积神经网络(MVS⁃CNN)模型。以CNN强大的特征提取能力,提出了多视图级联集成卷积神经网络(MVC⁃CNN)模型,将不同视图经CNN提取得到的深度特征级联融合,以支持向量机(SVM)为最终分类器获得分类结果。【结果】构建的基分类模型WT⁃CNN、STFT⁃CNN、HHT⁃CNN的准确率分别为89.11%、88.36%和81.00%;多视图集成模型MVB⁃CNN和MVS⁃CNN的准确率分别为89.92%和93.54%,多视图级联集成模型MVC⁃CNN的准确率为95.76%。MVC⁃CNN模型准确率比单一视图基分类模型提升6.65%~14.76%,比MVB⁃CNN和MVS⁃CNN提升5.84%和2.22%。【结论】研究提出的MVC⁃CNN模型能充分结合鸟鸣多视图特征的优势,有效提升鸟鸣分类效果,具有较高的稳定性和更好的泛化能力,为多视图鸟鸣音分类研究提供技术方案。