编译 | 明知不问
发布 | ATYUN订阅号
伊利诺伊大学，意大利米兰理工大学和加州大学戴维斯分校提出了一个统计框架，用于识别野生动物群体行为。在初步实验中，与基线方法相比，它显著表现出了更好的分类准确性。
“理解动物的行为对于回答动物（包括人类）为什么做某些事情至关重要，”共同作者写道，“最近，生物学家开始使用可穿戴技术，如GPS，加速度计和无线电传感器来跟踪动物及其活动。”
然而，收集到的原始数据并不是人类可解释的，需要进行处理来提取行为模式，活动识别模型可以用来学习原始时间序列与通过观察或其他方式收集到的行为注释之间的关系。
正如研究人员所解释的那样，时间序列分类，即在连续时间获得的数量值的分类，通常在它们之间具有相等的间隔，要使用时间序列分析或机器学习来解决。前者基于对原始信号的明确描述，而后者自动从输入数据中推断出特征。
研究人员的方法采用两步序列分析过程：首先，他们选择给定语料库的最佳全局时间分辨率（关于时间的度量分辨率），然后通过提取拓扑来编码动物组之间的社会关系和与分类相关的关系组件。
在实验中，研究小组收集了一组狒狒群体活动的公开数据，其中26只狒狒被跟踪了35天。他们根据距离定义了狒狒的社交网络，这样，狒狒在相距两米以内的时候就被认为是相互影响的。
研究人员报告称，他们的方法比以前的方法提高了大约10％的准确性，添加社交信息比最初的结果提高了7%。他们计划在未来的工作中纳入其他数据集。
团队表示，“我们对现实世界数据集的评估表明，框架可以更好地识别野生动物群体的复杂行为动态，我们目前正致力于将时间分辨率步骤扩展到更加动态的方法，允许不同的时间步骤，这将有助于更好地识别每种不同行为的关键组成部分。”
End
