Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10495/17198| Título : | Identificación de múltiples especies en paisajes acústicos usando técnicas de aprendizaje no supervisado |
| Autor : | Guerrero Muriel, María José |
| metadata.dc.contributor.advisor: | Isaza Narváez, Claudia Victoria Bedoya Acevedo, Carol |
| metadata.dc.subject.*: | Acústica Acoustics Algoritmo Algorithms Grabación sonora Sound recordings Anfibios Amphibians Aves Biodiversidad Biodiversity Paisaje sonoro Aprendizaje automático Identificación de animales http://aims.fao.org/aos/agrovoc/c_359 http://aims.fao.org/aos/agrovoc/c_9012 http://aims.fao.org/aos/agrovoc/c_33949 http://vocabularies.unesco.org/thesaurus/concept122 http://vocabularies.unesco.org/thesaurus/concept2024 http://vocabularies.unesco.org/thesaurus/concept9812 |
| Fecha de publicación : | 2020 |
| Resumen : | RESUMEN: En este trabajo de grado, se propone un método no supervisado y multiclase para identificar llamadas de especies de diferentes animales en un paisaje sonoro. Esta metodología no requiere conocimiento previo de las fuentes bióticas para ser identificadas y es capaz de encontrar el grado de relación entre ellas. Para ello se usa un algoritmo de agrupamiento difuso (LAMDA- Learning Algorithm for multivariate analysis) con un operador Yager-Ribalov 3π, cuya naturaleza difusa permite obtener el grado de pertenencia entre clases y así categorizar las fuentes de sonido en base a sus similitudes. Este método se presenta como una forma novedosa de monitoreo acústico el cual permite hacer seguimiento de manera pasiva de los cambios presentados en un ecosistema y su biodiversidad. |
| Aparece en las colecciones: | Ingeniería Electrónica |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| GuerreroMaria_2020_EspeciesPaisajesAcusticos.pdf | Trabajo de grado de pregrado | 1.6 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
