論文の概要: Processing and classifying bird songs using wavelet techniques and supervised learning
- arxiv url: http://arxiv.org/abs/2609.10826v1
- Date: Wed, 09 Sep 2026 20:55:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.138614
- Title: Processing and classifying bird songs using wavelet techniques and supervised learning
- Title（参考訳）: ウェーブレット技術と教師あり学習を用いた鳥の歌の処理と分類
- Abstract要約: 本研究では,Epanechnikovカーネルに基づくベイズウェーブレット縮小手法を用いて,信号劣化の課題に対処する。
信号復調後,Mel-Frequency Cepstral Coefficients (MFCCs) やエントロピーやゼロクロスレートなどのスペクトル指標などの包括的特徴を抽出した。
ランダムフォレスト、マルチノミアルロジスティック回帰、サポートベクトルマシン(SVM)などの教師付き学習モデルについて、異なる特徴次元で評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study proposes an integrated framework for the processing and classification of invasive bird species vocalizations within natural soundscapes, characterized by high levels of environmental noise. We address the challenge of signal degradation by employing a Bayesian wavelet shrinkage methodology based on the Epanechnikov kernel prior, which offers a closed form decision rule and high computational efficiency for processing large bioacoustic datasets. The methodology was applied to recordings of three species obtained from the iNaturalist platform: \textit{Euphonia violacea}, \textit{Leiothrix lutea}, and \textit{Passer domesticus}. After signal denoising, we extracted a comprehensive set of features, including Mel-Frequency Cepstral Coefficients (MFCCs) and spectral indices such as entropy and zero-crossing rate. Several supervised learning models: Random Forest, Multinomial Logistic Regression and Support Vector Machine (SVM) were evaluated across different feature dimensionalities. Our results demonstrate that the proposed wavelet based preprocessing significantly enhances classification performance, with the SVM model achieving the highest accuracy (up to 0.9398) under a 10-dimensional MFCC configuration. This research provides a robust statistical tool for automated ecological monitoring and the management of biological invasions.
- Abstract（参考訳）: 本研究では,環境騒音を特徴とする自然音環境下での侵入鳥の鳴き声の処理と分類のための統合的枠組みを提案する。
本研究では,Epanechnikovカーネルをベースとしたベイズウェーブレット縮小手法を用いて,大規模バイオ音響データセット処理のためのクローズドフォーム決定ルールと高い計算効率を実現することで,信号劣化の課題に対処する。
本手法は,iNaturalist platform, \textit{Euphonia violacea}, \textit{Leiothrix lutea}, \textit{Passer domesticus}の3種の記録に適用した。
信号復調後,Mel-Frequency Cepstral Coefficients (MFCCs) やエントロピーやゼロクロスレートなどのスペクトル指標などの包括的特徴を抽出した。
ランダムフォレスト、マルチノミアルロジスティック回帰、サポートベクトルマシン(SVM)などの教師付き学習モデルについて、異なる特徴次元で評価した。
提案したウェーブレットを用いた前処理は,10次元MFCC構成でSVMモデルが最も精度が高い(最大0.9398)ため,分類性能を著しく向上することを示す。
本研究は, 自動生態モニタリングと生物侵入管理のための, 堅牢な統計ツールを提供する。
関連論文リスト
- CoarseSoundNet: Building a reliable model for ecological soundscape analysis [73.44688723989053]
サウンドスケープは、生物音(動物音)、地球音(自然無生物音)、人類音(人間音)の3種類からなる。
論文 参考訳（メタデータ） (2026-05-20T13:18:11Z) - Unsupervised clustering and classification of upper limb EMG signals during functional movements: a data-driven [0.0]
本研究では,上肢表面筋電図(SEMG)信号の群集化と分類について,機能的リーチと把持動作における包括的アプローチを提案する。
信号前処理、フェースチャ抽出、階層クラスタリングによるジェスチャー選択、比較モデル評価を含む4段階のパイプラインが設計された。
この結果は筋電義歯の適応的低レイテンシ制御戦略の実装を支援し、将来のリアルタイムアプリケーションのためのスケーラブルなパイプラインを提供する。
論文 参考訳（メタデータ） (2026-05-20T01:23:21Z) - Robust variable selection for spatial point processes observed with noise [1.8047694351309207]
そこで本稿では,疎度プロモーティング推定とノイズロバストモデル選択を組み合わせた点過程の強度関数における変数選択を提案する。
本研究では,様々なノイズシナリオ下で真の空間的コスを確実に回復し,両方の選択安定性を向上することを示す。
これは雑音下でのポイントプロセスモデルにおけるロバストな変数選択のための体系的なフレームワークを提供する手法の実用性を示している。
論文 参考訳（メタデータ） (2025-10-29T14:18:08Z) - Unified AI for Accurate Audio Anomaly Detection [0.0]
本稿では,高精度な音声異常検出のための統合AIフレームワークを提案する。
高度なノイズ低減、特徴抽出、機械学習モデリング技術を統合する。
このフレームワークはTORGOやLibriSpeechといったベンチマークデータセットで評価されている。
論文 参考訳（メタデータ） (2025-05-20T16:56:08Z) - Automated Bioacoustic Monitoring for South African Bird Species on Unlabeled Data [1.3506669466260703]
このフレームワークは、選択された鳥類種の利用可能なプラットフォームからラベル付きデータを自動抽出する。
ラベル付きデータは、環境音やノイズを含む録音に埋め込まれ、畳み込みリカレントニューラルネットワーク(CRNN)モデルのトレーニングに使用された。
適応SED-CRNNモデルはF1スコア0.73に達し、ノイズの多い実世界の条件下で効率を実証した。
論文 参考訳（メタデータ） (2024-06-19T14:14:24Z) - WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database [49.1574468325115]
textbfWhaleNet (Wavelet Highly Adaptive Learning Ensemble Network) は海洋哺乳動物の発声を分類するための高度な深層アンサンブルアーキテクチャである。
既存のアーキテクチャよりも8-10%の精度で分類精度を向上し、分類精度は9,7.61%である。
論文 参考訳（メタデータ） (2024-02-20T11:36:23Z) - Latent Class-Conditional Noise Model [54.56899309997246]
本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。
次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。
提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
論文 参考訳（メタデータ） (2023-02-19T15:24:37Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T09:51:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。