面向鸟声传感网的鸟鸣自动分类方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文主要工作及章节安排 | 第11-13页 |
| 2 连续声学监测数据的自动分段方法 | 第13-22页 |
| 2.1 基于短时能量和短时过零率的双阈值方法 | 第14-15页 |
| 2.2 基于形态滤波的自动分段方法 | 第15-17页 |
| 2.3 基于高斯混合模型的自动分段方法 | 第17-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 鸟鸣信号特征提取 | 第22-30页 |
| 3.1 Mel频率倒谱系数 | 第23-25页 |
| 3.2 图像域纹理特征 | 第25-27页 |
| 3.2.1 局部二值模式 | 第25-27页 |
| 3.2.2 局部相位量化 | 第27页 |
| 3.3 Mel子带参数化特征 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 分类识别方法 | 第30-38页 |
| 4.1 随机森林 | 第30-33页 |
| 4.1.1 决策树 | 第30-32页 |
| 4.1.2 随机森林 | 第32-33页 |
| 4.2 支持向量机 | 第33-35页 |
| 4.3 隐马尔科夫模型 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 实验验证与分析 | 第38-55页 |
| 5.1 野外实测数据集 | 第39-40页 |
| 5.2 处理结果与分析 | 第40-53页 |
| 5.2.1 实验设计 | 第40-41页 |
| 5.2.2 性能度量与比较方法 | 第41-43页 |
| 5.2.3 实验结果与分析 | 第43-53页 |
| 5.3 本章小结 | 第53-55页 |
| 6 总结和展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 | 第63页 |
