Identificación de múltiples especies en paisajes acústicos usando técnicas de aprendizaje no supervisado

RESUMEN: En este trabajo de grado, se propone un método no supervisado y multiclase para identificar llamadas de especies de diferentes animales en un paisaje sonoro. Esta metodología no requiere conocimiento previo de las fuentes bióticas para ser identificadas y es capaz de encontrar el grado de relación entre ellas. Para ello se usa un algoritmo de agrupamiento difuso (LAMDA- Learning Algorithm for multivariate analysis) con un operador Yager-Ribalov 3π, cuya naturaleza difusa permite obtener el grado de pertenencia entre clases y así categorizar las fuentes de sonido en base a sus similitudes. Este método se presenta como una forma novedosa de monitoreo acústico el cual permite hacer seguimiento de manera pasiva de los cambios presentados en un ecosistema y su biodiversidad.

• Autores: Guerrero Muriel, María José
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/17198
• Acceso en línea: http://hdl.handle.net/10495/17198
• Palabra clave: Acústica; Acoustics; Algoritmo; Algorithms; Grabación sonora; Sound recordings; Anfibios; Amphibians; Aves; Biodiversidad; Biodiversity; Paisaje sonoro; Aprendizaje automático; Identificación de animales; http://aims.fao.org/aos/agrovoc/c_359; http://aims.fao.org/aos/agrovoc/c_9012; http://aims.fao.org/aos/agrovoc/c_33949; http://vocabularies.unesco.org/thesaurus/concept122; http://vocabularies.unesco.org/thesaurus/concept2024; http://vocabularies.unesco.org/thesaurus/concept9812
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/