A novel multi-class support vector machine classifier for automated classification of beaked whales and other small odontocetes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Navy sonar has recently been implicated in several marine mammal stranding events.Beaked whales (particulary Mesoplodon densirostris) have been the predominant species involved in a number of these strandings.Monitoring and mitigating the effects of anthropogenic noise on marine mammals are active areas of research.Key to both monitoring and mitigation is the ability to automatically detect and classify animals, especially beaked whales.This paper presents a novel support vector machine based methodology for automated, species level classification of small odontocetes.The new classifier, called the classspecific support vector machine (CS-SVM), consists of multiple binary SVM's where each SVM discriminates between a class of interest and a common reference class.A main objective in the development of the CS-SVM was to realize a robust multi-class SVM whose implementation is simpler than existing multi-class SVM methods.A CS-SVM was trained to identify click vocalization from four species of odontocetes including Mesoplodon densirostris.The algorithm processes time series data in a fully automated fashion first detecting and then classifying click events.Results from the application of this automated classifier to the data sets provided by the 3rd International Workshop on Detection and Classification of Marine Mammals Using Passive Acoustics are presented. s o m m a i r eLe sonar a t rcemment associ un certain nombre d'vnements de mammifre marin immobilis en eau peu profond.Les Baleines a bec (en particulier le Mesoplodon densirostris) ont t les espces prdominantes impliques dans un certain nombre d'vnements d'immobilisation.La surveillance et l'attnuation des effets du bruit synthtique sur les mammifres marins sont des domaines de recherche actifs.Ce qui est importante de la surveillance et la rduction des effets est la capacit automatiquement de dtecter et classifier des animaux, particulirement les baleines a bec.Cet article prsente une nouvelle mthodologie base sur une machine de support vecteur (SVM) pour automatis le classification de niveau d'espces de petits odontocetes.Le nouveau classificateur, appel le "class-specific support vector machine" (CS-SVM), est compos de SVM binaire multiple o chaque SVM se distingue entre une classe d'intrt et une classe commune de rfrence.Un objectif principal dans le dveloppement du CS-SVM tait de raliser une multi-classe robuste SVM dont l'excution est plus simple que des mthodes existantes de la multi-classe SVM.Un CS-SVM a t form pour identifier le vocalisation de clic de quatre espces des odontocetes incluant des Mesoplodon densirostris.Les donnes de srie chronologique de processus d'algorithme sont traites d'une mode entirement automatise dtectant d'abord et classifiant ensuite des vnements de clic.Les rsultats de l'application de ce classificateur automatis fournis par le "Troisime Atelier Internationale de Dtection, Localisation, et Classification du Mammifres Marins avec les Acoutiques Passive" sont prsents.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle