乔治亚苏维埃巴统水族馆及鸟舍

对于参观者来说,整个建筑是非常有意思的,因为该建筑通过坡道和阶梯形成的相互连接的通道将水族馆和鸟舍联系在一起。参观者既可以参观海底和河底的水族生活,又可以自由地欣赏鸟类的生活。鸟舍使用金属网围合而成,参观者可以在其间走动,近距离地观察鸟类。     

基于Radon和平移不变性小波变换的鸟类声音识别

针对低信噪比（SNR）环境下鸟叫声识别率不够高的问题,提出一种对声谱图进行Radon变换（RT）和平移不变性离散小波变换（TIDWT）的抗噪型鸟类声音识别技术。首先,使用改进的多频带谱减法对鸟叫声进行降噪处理;其次,利用短时能量检测降噪后的鸟叫声的静音段,并去除静音段;接着,将去除静音段的声音信号转化为声谱图,并对声谱图进行RT和TIDWT,提取特征值;最后,采用支持向量机（SVM）分类器对提取的特征值进行分类识别。实验结果表明,该方法在信噪比为10dB及以下仍可以达到较好的识别效果。     

拍鸟者应该了解的常识

随着我国环境的不断改善,鸟类正逐渐增多,喜欢拍摄野生鸟类的影友也越来越多。拍摄野乌,首先应该能够找到鸟,继而学会识别鸟。本文以长江皖江区域为范围,通过图文并茂的介绍,并以较强的实用性,让喜爱拍摄野生鸟类的初学者了解鸟类基本知识。掌握鸟类的生态类群、一般特征、生活习性及迂徙规律．学会观察并辨别鸟类。     

应用无监督最大互信息算法分类鸟类叫声

在建立鸟类叫声的分类模型时,由于自然界中具有准确标签的鸟类叫声数据较少,因此需要解决小样本下的模型训练问题。本文研究应用最大互信息的无监督网络来对鸟类叫声进行分类。通过同时提取梅尔图谱的高层语义特征和浅层特征并计算互信息,减少噪声特征的提取。训练时使用对抗样本,利用先验约束网络拉大不同类别之间的距离,降低模型对数据的依赖。实验证明,与现有无监督方法相比,利用最大互信息方法的无监督学习能够在鸟类叫声分类任务上取得最好的效果。     

基于BMO算法混合神经网络的短时交通流预测

准确预测短时间内某路段的交通流量，可以极大提升城市交通效率，而城市交通流预测的核心是各种交差路口附近的车流预测，尤以十字路口最为常见和复杂。针对具有极强的时空相关性且稳定性交差的情况，提出使用改进鸟类繁殖算法（Bird Mating Optimizer,BMO）混合BP神经网络（Back Propagation Neural Network,BPNN）模型对交通流进行非线性拟合。文章使用基于适应度方差的参数自适应调整策略改进了BMO算法，并结合模拟退火思路改善算法早熟问题。使用改进的BMO算法解决了训练时间长和收敛速度慢的缺陷。仿真结果显示，该模型具有更好的非线性拟合能力，使十字路口交通流预测准确率提高了11.4%。     

UV吸收/反射材料在鸟类友好建筑玻璃领域中的研究

当前建筑多采用传统的建筑玻璃，难以被鸟类察觉导致鸟类碰撞死亡，鸟类在飞行过程中碰撞玻璃死亡已成为导致鸟类种群死亡的第二原因。为防止或减少鸟类与玻璃碰撞造成死亡，采用以四氟乙烯为主要成分的涂料对玻璃表面进行改性，完美平衡玻璃幕墙的防鸟撞要求与审美需求。