基于遺傳算法的聚類(lèi)方法對(duì)EBF網(wǎng)絡(luò)的優(yōu)化及其應(yīng)用.pdf

1、說(shuō)話(huà)人識(shí)別是模式識(shí)別的一種,它用語(yǔ)音信號(hào)和預(yù)先提取的說(shuō)話(huà)人特征作為生物特征,確定或鑒別說(shuō)話(huà)人的身份,符合當(dāng)今信息化時(shí)代對(duì)身份驗(yàn)證的需求.人們已經(jīng)認(rèn)識(shí)到,語(yǔ)音信號(hào)中存在著非線(xiàn)性性質(zhì),而神經(jīng)網(wǎng)絡(luò)技術(shù)具有任意非線(xiàn)性逼近能力,自然成為話(huà)者識(shí)別研究中的一個(gè)重要方法.從模式識(shí)別角度看,目前國(guó)際上絕大多數(shù)的研究都集中在各種神經(jīng)網(wǎng)絡(luò)方法上,特別像具有分類(lèi)特征的徑向基核函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò).RBF神經(jīng)網(wǎng)絡(luò)中隱層的訓(xùn)練過(guò)程屬于一個(gè)聚類(lèi)過(guò)程,聚類(lèi)的好壞直接

2、影響了神經(jīng)網(wǎng)絡(luò)的執(zhí)行效果,目前基于目標(biāo)函數(shù)的模糊K-均值算法(FKM)是應(yīng)用最廣泛的模糊聚類(lèi)算法.本文提出了一種先進(jìn)的聚類(lèi)算法--基于兩級(jí)自適應(yīng)遺傳算法(MTLAGA)的聚類(lèi)方法,試圖同時(shí)解決模糊K-均值算法對(duì)中心點(diǎn)數(shù)目以及初始中心位置敏感的兩大問(wèn)題.針對(duì)說(shuō)話(huà)人特征的復(fù)雜分布,提出了擴(kuò)展的RBF神經(jīng)網(wǎng)絡(luò)--橢圓基核函數(shù)(EBF)神經(jīng)網(wǎng)絡(luò),充分利用EBF網(wǎng)絡(luò)的全協(xié)方差矩陣對(duì)復(fù)雜分布的表征能力,并將MTLAGA聚類(lèi)算法作為EBF神經(jīng)網(wǎng)絡(luò)隱層

3、參數(shù)的確定方法,形成本文話(huà)者確認(rèn)的方法.本文通過(guò)文本獨(dú)立的話(huà)者確認(rèn)實(shí)驗(yàn),證實(shí)了采用MTLAGA聚類(lèi)算法的EBF神經(jīng)網(wǎng)絡(luò)大大提高了說(shuō)話(huà)人識(shí)別率.相比較采用FKM聚類(lèi)算法的EBF神經(jīng)網(wǎng)絡(luò),基于MTLAGA聚類(lèi)算法的EBF神經(jīng)網(wǎng)絡(luò)獲得了更高的識(shí)別率,證明針對(duì)復(fù)雜分布的說(shuō)話(huà)人特征的聚類(lèi),即使在已知聚類(lèi)中心點(diǎn)數(shù)目的情況下,不恰當(dāng)?shù)某跏贾行囊资笷KM算法陷入局部極小點(diǎn),而MTLAGA聚類(lèi)算法利用遺傳算法全局優(yōu)化的特點(diǎn),克服了FKM算法的這種缺陷.另