Pages 115-122
Hugo Robotham, Paul Bosch, Juan Carlos Gutiérrez-Estrada, Jorge Castillo, Inmaculada Pulido-Calvo

对于许多鱼种的资源评估，水声技术是一种很有价值的工具。然而，该技术受限于鱼种识别的问题。如今已有数种方法和技术用于处理声学识别鱼种的问题。本文描述了在智利中南部海域进行声学调查期间，采用支持矢量机（SVMs）和两种人工神经网络（多层感知器，MLP；和概率型神经网络，PNNs）对鯷鱼，沙丁鱼和智利竹荚鱼等鱼群进行的分类识别。对于从声学记录仪中提取的鱼群声信号，使用一套描述符集进行分类。通过两个多种类SVMs分类机处理此问题：一个种类与另一个种类比较（1-vs-1）和一个种类与其余的数个种类比较（1-vs-R）。多种类的分类显示，MLP神经网络和SVM方法的表现要好于PNN法。使用PNN法的识别率平均为79.4%，而MLP和SVM法的平均识别率则为89.5%。

《Fisheries Research》 Volume 102, Issues 1-2