Clasificación acústica de anchoveta (Engraulis ringens) y sardina común (Strangomera bentincki) mediante máquinas de vectores soporte en la zona centro-sur de Chile: efecto de la calibración de los parámetros en la matriz de confusión Acoustic classification of anchovy (Engraulis ringens) and sardine (Strangomera bentincki) using support vector machines in central-southern Chile: effect of parameter calibration on the confusion matrix

Se clasificó la anchoveta (Engraulis ringens) y sardina común (Strangomera bentincki) detectadas mediante equipos acústicos en la zona centro-sur de Chile, mediante el método de Máquinas de Vectores Soporte (SVM). Para esto se utilizaron descriptores de cardúmenes extraídos desde ecogramas, que fueron clasificados como morfológicos, batimétricos, energéticos y posicional espacial. Para lograr clasificaciones precisas mediante la utilización de esta metodología, fue necesario optimizar parámetros correspondientes al Kernel-Gaussiano, γ y de penalización del modelo C, mediante el análisis del efecto de la calibración sobre las matrices de confusión resultantes de la clasificación de las especies analizadas. El método SVM ajustó correctamente el 95,3% de los cardúmenes de anchoveta y sardina común. Los parámetros óptimos del Kernel-Gaussiano γ y de penalización C obtenidos mediante la metodología propuesta fueron γ = 450 y C = 0,95, respectivamente. Los parámetros mencionados incidieron de manera importante en la matriz de confusión y los porcentajes de clasificación final, por lo que se sugiere establecer, en aplicaciones futuras de este método, un protocolo experimental de calibración. La sardina común fue la especie con menor error de clasificación en el conjunto de las matrices de confusión. El descriptor correspondiente a profundidad del fondo fue el más sensible al SVM, la segunda variable en importancia es el descriptor distancia a la costa.The support vector machines (SVM) method was used to classify the anchovy (Engraulis ringens) and common sardine (Strangomera bentincki) species detected in south-central Chile by means of acoustic equipment. For this, descriptors of fish schools (morphology, bathymetry, energy, spatial position) extracted from ecograms were used. In order to obtain precise classifications using this methodology, it was necessary to optimize the parameters Gaussian-Kernel γ and penalty term C by analyzing the effect of the calibration on the confusion matrices resulting from the classification of the species under study. The SVM method correctly classified 95.3% of anchovy and sardine schools. The optimal parameters of the Gaussian-Kernel γ and penalty C obtained with the proposed methodology were γ = 450 and C = 0.95. These parameters have an important influence over the confusion matrix and the final classifications percentages, suggesting the development of experimental protocols for calibrating these parameters in future applications of this methodology. In all the confusion matrices, the common sardine showed the lowest classification error. The bottom depth was the descriptor that was most sensitive to the SVM, followed by school-shore distance