基于Stacking分类融合的海洋哺乳动物声学识别研究

作者：赵彪; 蔡文郁^*; 祝嵇峰

来源：杭州电子科技大学学报(自然科学版), 2023, 43(04): 7-13.

DOI：10.13954/j.cnki.hdu.2023.04.002

• 海洋哺乳动物
• Stacking分类融合
• MFCC
• 声学识别

在自主研制的高精度声学探测系统采集的海洋哺乳动物声学数据基础上，提出一种基于Stacking分类融合的声学数据处理算法。该方法融合了支持向量机(Support Vector Machines, SVM)、K最近邻(K-Nearest Neighbor, KNN)、决策树(Decision Tree)、朴素贝叶斯(Naive Bayes model)4种单分类模型，并采用Labview软件开发，将采集的水下哺乳动物音频数据提取梅尔频率倒谱(Mel-Frequency Cepstrum Coefficient, MFCC)系数作为分类的特征参数用于对海洋哺乳动物分类。采用6个海洋哺乳动物种类共4 042个样本进行测试，和单分类模型识别率最高的SVM模型相比，该方法的识别率提升了3.30%,且在精准率、召回率、F1值等分类评估指标中也有更好的表现。

• 单位
  杭州电子科技大学