基于二叉决策树分类模型的草原牛行为识别

Behavior recognition of grassland cattle based on binary decision-tree classification model

刘章华 ¹魏凤歧 ¹李琦 ²张燕¹

扫码查看

作者信息

1. 内蒙古大学创业学院信息工程学院,呼和浩特010070
2. 内蒙古科技大学信息工程学院,包头014010
折叠

摘要

为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude,SVM)和幅度(singal magni-tude area,SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对.结果表明:K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上.说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高.

关键词

加速度传感器/K-means聚类算法/二叉决策树/行为分类/无线传感器网络/草原牛/数据处理

引用本文复制引用

基金项目

内蒙古自治区科技重大专项(2019ZD025)

内蒙古自治区科技成果转化项目(CGZH2018041)

内蒙古大学创业学院教师科研基金()

出版年

2022

黑龙江畜牧兽医(下半月)

ISSN：

参考文献量12

段落导航