数据不平衡下鸟声识别的集成学习策略

作     者：申小虎 李冠宇 史洪飞 王传之 Xiaohu Shen;Guanyu Li;Hongfei Shi;Chuanzhi Wang

作者机构：江苏警官学院刑事科学技术系南京210031 野生动植物物证技术国家林业和草原局重点实验室南京210023 大连海事大学信息科学与技术学院辽宁大连116026 科大讯飞科技有限公司合肥230088 

出 版 物：《生物多样性》 (Biodiversity Science)

年 卷 期：2024年第32卷第10期

页      面：114-128页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 0713[理学-生态学] 

基　　金：野生动植物物证技术国家林业和草原局重点实验室开放课题(KLNPC2102) 江苏省交通安全设施智能网联工程研究中心平台资助 

主　　题：鸟声识别 数据不平衡 集成学习 迁移学习 敏感代价 

摘      要：鸟声识别是被动声学监测的重要应用领域,集成学习方法对提升鸟类识别精度具有重要研究价值,但面对数据不平衡问题时缺少有效的集成策略。为此,通过基学习器的迁移学习获得鸟声信号的不同方面表征,满足了少标签样本条件下的学习训练。同时,设计加入自注意力机制的特征融合和敏感正则项用于提升模型对稀有鸟类的关注度,确保集成模型在信息不对称情况下推理时获得全局最优解。本文在南京老山森林公园共收集了10种鸟类样本,并对预训练模型完成了微调。通过鸟声识别分类实验,在样本不平衡的自建数据集与BirdCLEF 2023数据集上,总体分类精度分别达到了95.29%和90.17%。本文所提出的集成学习策略提升了少量样本类别的敏感度,增强了模型的泛化能力和学习训练效率,与主流集成学习方法相比较,能更好地适用于当地稀有鸟类的被动鸟声监测与识别,助力鸟类生态环境的精准保护。