首页|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

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

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.

陈伟、田一明、单新颖

展开 >

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

最小二乘支持向量机 蚁群算法 语音识别 参数优化

2017

科技展望
宁夏科技信息研究所

科技展望

ISSN：1672-8289
年,卷(期)：2017.27(21)
  • 1
  • 3