基于AFSA的SVM參數(shù)優(yōu)化及其應(yīng)用.pdf

1、語音識(shí)別是語音信號(hào)處理的一個(gè)重要方面，是人機(jī)交互技術(shù)的基礎(chǔ)，有著廣闊的應(yīng)用前景。語音識(shí)別是典型的多類分類問題，因此，善于解決高維分類問題的支持向量機(jī)很快被應(yīng)用到語音識(shí)別中。支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種性能優(yōu)良的學(xué)習(xí)機(jī)器。目前存在的問題是支持向量機(jī)的執(zhí)行效果依賴于其參數(shù)的設(shè)置，但到目前為止還沒有一個(gè)固定的理論來指導(dǎo)如何尋找其參數(shù)。本文分析了支持向量機(jī)模型中各個(gè)參數(shù)對(duì)模型的影響，并選用人工魚群算法對(duì)模型中的參數(shù)進(jìn)行了優(yōu)化，

2、形成了基于人工魚群算法的支持向量機(jī)參數(shù)優(yōu)化方法。
　　 本文首先系統(tǒng)地介紹了支持向量機(jī)的基本原理以及目前已存在的支持向量機(jī)的種類，分析了模型中參數(shù)對(duì)其性能的影響，并采用人工魚群算法優(yōu)化支持向量機(jī)參數(shù)。為了驗(yàn)證基于人工魚群算法的支持向量機(jī)在語音識(shí)別系統(tǒng)中的識(shí)別效果，本文構(gòu)建了基于徑向基核支持向量機(jī)的非特定人孤立詞語音識(shí)別系統(tǒng)，并進(jìn)行了大量的仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，基于基本人工魚群算法的支持向量機(jī)應(yīng)用于語音識(shí)別系統(tǒng)中均取得了優(yōu)于隱馬

3、爾柯夫模型的識(shí)別結(jié)果。
　　 其次，為了提高所構(gòu)建模型的識(shí)別效果，本文對(duì)人工魚群算法進(jìn)行了深入的研究，對(duì)其進(jìn)行改進(jìn)，引入小生境技術(shù)，用來維持算法中樣本數(shù)據(jù)的多樣性。同時(shí)，利用常用測(cè)試函數(shù)對(duì)改進(jìn)算法進(jìn)行測(cè)試，取得了滿意的結(jié)果。本文構(gòu)建了基于徑向基核支持向量機(jī)的非特定人孤立詞語音識(shí)別系統(tǒng)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，基于改進(jìn)人工魚群算法優(yōu)化的支持向量機(jī)參數(shù)的語音識(shí)別系統(tǒng)的識(shí)別效果較理想，從而說明核參數(shù)和懲罰因子的不同取值也會(huì)影響支持向量機(jī)

4、的推廣性能，從而影響語音識(shí)別系統(tǒng)的識(shí)別效果。
　　 核函數(shù)的類型、核參數(shù)以及懲罰因子的選取直接影響著支持向量機(jī)語音識(shí)別系統(tǒng)的識(shí)別效果。然而，到目前為止，支持向量機(jī)的核函數(shù)、核參數(shù)及懲罰因子的選擇還沒有科學(xué)的方法，它們的選擇只能根據(jù)經(jīng)驗(yàn)、大量的反復(fù)實(shí)驗(yàn)進(jìn)行對(duì)比等方法來進(jìn)行選擇，帶有很大的局限性。針對(duì)這個(gè)問題，本文做了初步的研究，實(shí)現(xiàn)了在核函數(shù)類型確定的前提下，用人工魚群算法對(duì)核參數(shù)和懲罰因子進(jìn)行優(yōu)化，并用基于優(yōu)選參數(shù)值的支持向量機(jī)