Identificación de múltiples especies en paisajes acústicos usando técnicas de aprendizaje no supervisado

Abstract

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.