综述：相同数据，不同结果？生物声学中的机器学习方法

这篇综述系统评估了16种哺乳动物声学数据中特征提取（MFCC/LFCC/时频特征/HCTSA）和分类方法（DFA/NN/RF/SVM）的组合效果，发现梅尔频率倒谱系数（MFCC）与随机森林（RF）的组合能提供最稳定可靠的个体识别结果，为跨物种生物声学研究建立了标准化分析框架。

　　

生物声学研究的标准化之路

摘要
自动声学分析在行为生态学中的应用日益广泛，其中个体识别是许多研究的关键环节。然而，特征提取和分类方法的差异限制了不同物种和研究结果的可比性。这项研究通过系统评估不同方法组合在16种哺乳动物数据集上的表现，为建立标准化分析流程提供了重要依据。

文献现状
通过对2000-2022年文献的系统回顾发现：52.9%研究使用判别函数分析（DFA），但仅11.1%验证了数据是否符合假设；47.9%的研究未说明特征选择依据；使用的41种特征参数和18种分类器呈现高度碎片化。灵长类（43.5%）、食肉目（23.9%）和翼手目（6.5%）是研究最集中的类群。

方法学比较
研究设计了严谨的实验方案：

1. 特征提取

• 时频特征：通过Raven Pro提取9个鲁棒性声学参数
• 梅尔/线性倒谱系数（MFCC/LFCC）：分别用BehaviouR包和Python spafe库处理
• 时间序列分析（HCTSA）：采用MatLab工具箱进行7947种特征计算

1. 分类器设置

• 随机森林（RF）：1000棵树，自动优化mtry参数
• 支持向量机（SVM）：径向基核，自动调参
• 神经网络（NN）：PCA降维后建模
• 判别分析（DFA）：严格检验多元正态性和协方差齐性

关键发现

跨物种稳定性
MFCC特征配合RF分类器展现出最佳稳定性：

• 准确度波动范围仅0.102（其他方法达0.582）
• 在60/30/10样本量下均保持稳健性能
• 个体数量从9减至2时，准确度提升但排序不变

LFCC与MFCC表现相当，验证了倒谱系数对高频动物的适用性。而HCTSA虽能提取7947维特征，但存在明显过拟合风险。

样本量影响
30个样本/个体即可获得稳定结果：

• n10→n30准确度提升显著（+15.2%）
• n30→n60改善有限（+3.8%）
• 时频特征在样本不足时波动最大（Δ=0.227）

应用建议
基于证据提出标准化流程：

1. 优先采用MFCC/LFCC表征声学特征
2. 推荐RF作为基线分类器
3. 每个体至少采集30段有效发声
4. 必须报告分类器的交叉验证结果

该框架已成功应用于羊驼、家猫、埃及果蝠等14物种的16种叫声分析，为理解哺乳动物声音通讯的进化意义提供了可比性基础。未来研究可结合深度学习等新兴技术，进一步探索声学个体识别的生物学机制。