编辑推荐：
为解析动物发声交流，研究聚焦家猫（Felis catus）发声 repertoire。通过无监督模糊聚类算法（FCM）结合 10 项声学参数分类 212 例发声，再经 237 名听者对 50 例发声分类及情感评分。发现 4 类声学特征 distinct 但有 gradation 的发声簇，情感评分与时长等参数相关，为猫发声研究提供新方法。
动物世界中，声音是许多物种传递信息的关键 “语言”，家猫作为人类熟悉的宠物，其丰富多样的叫声背后蕴含着怎样的交流密码？长期以来，学界对猫发声类型的科学分类及人类如何感知其情感表达存在诸多疑问：不同叫声是否对应明确的声学特征？人类对猫叫声的情感解读是否与生物学功能相关？这些问题不仅关乎对猫行为的理解，也为跨物种交流研究提供重要切入点。为揭开这些谜团，西方俄勒冈大学（Western Oregon University）的研究团队开展了一项针对家猫（Felis catus）发声的深入研究，相关成果发表在《Animal Behaviour》，为猫科动物发声交流的探索带来新视角。
研究人员主要采用了两项关键技术方法：一是运用无监督模糊聚类算法（FCM），基于 10 项声学参数（如时长、基频等）对 212 例家猫发声进行分类，识别声学上 distinct 的叫声类别；二是招募 237 名人类听者，对 50 例代表性发声按 “chirp（啁啾声）”“meow（喵叫）”“yowl（号叫）” 等 7 类进行分类，并评估发声者的情感 arousal（情感强度）和 valence（情感效价，正性或负性）。研究数据来源于 YouTube 公开的成年猫发声视频，排除了可能经过编辑的内容，确保样本的真实性。
Study 1：声学聚类分析
通过 FCM 聚类算法，研究将家猫发声分为 4 个簇，每个簇具有独特的声学特征组合（见表 1）。主成分分析（PCA）显示，第一主成分（PC1）解释了 34.4% 的数据变异，揭示了不同叫声在声学参数上的主要差异。配套的树状图进一步展示了发声样本在 10 项声学参数上的相似性与差异度，为叫声分类提供了直观的可视化依据。
Study 2：人类感知与情感评分
听者对 50 例发声的分类结果显示，4 个声学簇大致对应听者划分的 “tonal meows（声调喵叫）”“chirps（啁啾声）”“noisy meows（嘈杂喵叫）” 和 “shrieks/trills（尖叫 / 颤音）”。不同簇的叫声在情感评分上存在显著差异：例如，时长较长、噪音度较高且平均基频较低的叫声，常被感知为负性情感（低 valence）和高 arousal。然而，部分类别（如 “yowls”）的听者分类一致性较低，表明民间常用的叫声类别可能并不完全对应生物学上的 distinct 发声类型。
研究结论表明，家猫发声 repertoire 呈现声学特征的离散性与连续性并存的特点，既存在声学上 distinct 的基本类别，又如同其他哺乳动物（如 Fischer 等人 2016 年的研究所示）一样存在显著的声学 gradation，提示其发声系统并非严格的 “非此即彼” 分类，而是一个动态连续的体系。人类对猫叫声的情感归因与声学参数（如时长、噪音度、基频）及其交互作用密切相关，且在一定程度上依赖于叫声类型，支持 “听者部分基于叫声类型进行情感归属” 的模型。
这项研究的重要意义在于：一方面，通过无监督聚类方法减少了主观偏见，为客观解析动物发声 repertoire 提供了新范式；另一方面，揭示了人类对跨物种发声的感知既受声学特征驱动，也存在认知分类的局限性，为宠物行为理解、人 - 动物交互研究及动物情感认知领域奠定了基础。研究结果不仅深化了对家猫交流方式的科学认识，也为其他物种的发声研究提供了方法学借鉴，推动了动物行为学与认知科学的交叉融合。
