科技展望2017，Vol.27Issue(21) ：179-180.

基于改进蚁群算法优化的最小二乘支持向量机在语音识别中的应用

陈伟 田一明 单新颖
科技展望2017，Vol.27Issue(21) ：179-180.
✕
  • NETL
  • NSTL
  • 万方数据

基于改进蚁群算法优化的最小二乘支持向量机在语音识别中的应用

陈伟 1田一明 2单新颖1
扫码查看

作者信息

  • 1. 国家康复辅具研究中心,北京市老年功能障碍康复辅助技术重点实验室,民政部神经功能信息与康复工程重点实验室,北京 100000
  • 2. 国家康复辅具研究中心,北京市老年功能障碍康复辅助技术重点实验室,民政部神经功能信息与康复工程重点实验室,北京 100000;河北工业大学控制科学与工程学院,天津 300130
  • 折叠

摘要

针对最小二乘支持向量机(LSSVM)在语音识别中识别速度慢、准确度不高的问题,提出了一种改进蚁群算法参数优化的最小二乘支持向量机(MACO-LSSVM)语音识别模型.首先对传统蚁群算法进行改进,以使其适应参数选择的连续优化问题.其次,将LSSVM的参数视为蚂蚁的位置向量,通过整个蚁群对参数的全局搜索和局部搜索,得到LSSVM模型的最优参数.最后,利用韩语语音数据库进行实验,结果表明本文所提出的方法够明显提高语音识别率.

关键词

最小二乘支持向量机/蚁群算法/语音识别/参数优化

引用本文复制引用

出版年

2017
科技展望
宁夏科技信息研究所

科技展望

ISSN：1672-8289
被引量1
参考文献量3
段落导航相关论文