对应于生态声学和音景监测的机器学习方法的系统审查

科学领域:

• 生态声学和音景生态学.
• 机器学习在生态研究中的应用.

背景情况:

• 音景生态学通过声乐组成分析景观模式.
• 声学录音单元 (ARU) 产生大量的数据集,需要高效的处理.
• 传统的机器学习方法用于物种识别和声音分析.

研究的目的:

• 系统地审查生态声学中的机器学习方法.
• 识别最近的趋势,包括无监督深度学习.
• 评估用于景观属性分析的声学数据的处理.

主要方法:

• 系统审查机器学习在生态声学中的应用.
• 分析声学记录单元 (ARU) 配置和研究地点的分析.
• 描述用于评估景观属性的机器学习方法.

主要成果:

• 对于处理大型声学数据集的无标签方法的趋势越来越大.
• 机器学习对于将声学数据与景观特征联系起来至关重要.
• 无监督深度学习显示出对评估属性的多样化有希望.

结论:

• 机器学习,特别是无监督的方法,对于高效的音景数据分析至关重要.
• 采用机器学习方法可以使景观研究的其他生物维度受益.
• 未来的研究应该专注于无标签和先进的深度学习技术.