人工魚(yú)群算法優(yōu)化的svm在語(yǔ)音識(shí)別中的應(yīng)用

《人工魚(yú)群算法優(yōu)化的svm在語(yǔ)音識(shí)別中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、’．．冷贈(zèng)誦．．卻－ｆｆ分類號(hào)密級(jí)太原理工大學(xué)：祕(mì)碩±學(xué)位論文Ｉ：Ｖ亦．－’－＇；‘．ｖ；ＴＪ？題目人工魚(yú)靜算法優(yōu)化的ＳＶＭ任語(yǔ)音識(shí)別中的應(yīng)用＾？Ｉ、Ｉ．．．ＡＦＳＡｆｏｒ化ｒａｍｅｔｅｒｓＯｐｔｉｍｉｚａｔｉｏｎａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆＳＶＭｉｎ＾英，文并列題目ＳｅｅｃｈＲｅｃｏｎｉｚａｔｉｏｎｐｇ＾＾研究生姓名：．詩(shī)學(xué)號(hào)－２０１３５２０２０１＼－ＫＩ＼－．：．

2、電子與通信工程：門譜門前專叱聲．＇｜ｔ．．．／＼．禪．拿．氣顯幫＃；＾巧究方向：語(yǔ)音信號(hào)處理．：／、癡導(dǎo)師姓名：一＾纖ｒ：：扇七職稱：、專纖——＾＇學(xué)位攪予單位了大學(xué)？：太原理．．．主自拿論文提交期０．２］６化．｜．．．？片．礎(chǔ)址：山西太原毋喝；，蟲(chóng)汚片．．＇＇．－Ｖ；：Ｖ．．驗(yàn)Ｖ－’太原理工大學(xué)．拓．：Ｖ打片聽(tīng)，．為－Ｘ．貢明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行硏究所取得的成果。除女中已經(jīng)

3、注明引用的內(nèi)容外，本論文木包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的硏究成果。對(duì)本文的硏究做岀重要貢獻(xiàn)的個(gè)人和集體，均已在文中Ｗ明確方式標(biāo)明。本聲明的法律責(zé)任由本人承垣。論文作者簽名：文日期：；文／－＿Ｖ本婷，關(guān)于學(xué)位論文使用權(quán)的說(shuō)明本人完全了解太原理工大學(xué)有關(guān)保管、使巧學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部口送交學(xué)位論文的原件與復(fù)巧件；運(yùn)）學(xué)?？桑撞汕捎扒伞⒖s印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；感學(xué)?？稍试S學(xué)位論文被查閱或借綺；＠學(xué)?？蓪W(xué)術(shù)交流為目

4、的，■＾復(fù)制贈(zèng)送和交換學(xué)位論文；？學(xué)?？桑坠紝W(xué)位論文的全部或部分內(nèi)容（保密學(xué)位論文在解密后遵守此規(guī)定）。簽名；、■＾日期：興ｄ．ｈ＿Ｊ＾＿考偉掙合?！犊?、《導(dǎo)師簽名；日期；太原理工大學(xué)碩士研究生學(xué)位論文人工魚(yú)群算法優(yōu)化的SVM在語(yǔ)音識(shí)別中的應(yīng)用摘要語(yǔ)音作為通信系統(tǒng)中最自然的通信媒介，在任何時(shí)候都發(fā)揮著巨大的作用。隨著信息化社會(huì)的不斷發(fā)展，人們更加期待機(jī)器能夠聽(tīng)懂人類的語(yǔ)音實(shí)現(xiàn)智能化。因此，作為人機(jī)交互技術(shù)的重要內(nèi)容，語(yǔ)音識(shí)別自然成為了人們研究的熱點(diǎn)，現(xiàn)已得到廣泛

5、的應(yīng)用。支持向量機(jī)（SVM）是一種新型的機(jī)器學(xué)習(xí)方法，可以有效地解決小樣本、過(guò)學(xué)習(xí)、非線性和維數(shù)災(zāi)難等問(wèn)題。該模型以統(tǒng)計(jì)學(xué)理論中的VC維概念和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理為基礎(chǔ)，其學(xué)習(xí)能力的好壞主要取決于SVM中懲罰因子、核函數(shù)與核參數(shù)的選取，但目前仍未有統(tǒng)一的理論作指導(dǎo)。利用SVM模型對(duì)語(yǔ)音系統(tǒng)進(jìn)行識(shí)別時(shí)，其參數(shù)的選擇會(huì)直接影響系統(tǒng)最終的識(shí)別效果。選用人工魚(yú)群算法（AFSA）可以實(shí)現(xiàn)對(duì)支持向量機(jī)參數(shù)的優(yōu)化，但該算法容易陷入局部最優(yōu)，出現(xiàn)早熟收斂現(xiàn)象。因此，本文通過(guò)結(jié)合混沌模型實(shí)現(xiàn)了對(duì)人工魚(yú)群算法中各行為的改進(jìn)

6、，提出了一種混沌人工魚(yú)群算法（CAFSA）優(yōu)化SVM參數(shù)的方法，并采用測(cè)試函數(shù)進(jìn)行測(cè)試，再將尋優(yōu)產(chǎn)生的SVM模型運(yùn)用到韓語(yǔ)庫(kù)和Aurora2語(yǔ)音庫(kù)中。實(shí)驗(yàn)結(jié)果表明，基于混沌人工魚(yú)群算法的SVM模型與基于人工魚(yú)群算法的SVM模型相比，收斂速度明顯加快，語(yǔ)音識(shí)別率也有不同程度的提高。其次，為了進(jìn)一步提高系統(tǒng)的語(yǔ)音識(shí)別率，縮短最佳參數(shù)的尋優(yōu)時(shí)間，本文又提出了一種基于變異人工魚(yú)群算法（MAFSA）的SVM參數(shù)優(yōu)化方法。該算法對(duì)AFSA的行為結(jié)構(gòu)進(jìn)行了改進(jìn)，引入個(gè)體行為和團(tuán)體行為，I太原理工大學(xué)碩士研究生學(xué)位論

7、文同時(shí)自適應(yīng)更新了魚(yú)群的視野范圍，并通過(guò)測(cè)試函數(shù)對(duì)其進(jìn)行測(cè)試和比較，再將尋優(yōu)的參數(shù)應(yīng)用在韓語(yǔ)庫(kù)和Aurora2語(yǔ)音庫(kù)中進(jìn)行仿真。實(shí)驗(yàn)結(jié)果表明，變異人工魚(yú)群算法較其他兩種優(yōu)化算法對(duì)SVM參數(shù)的尋優(yōu)速度更快，得到的系統(tǒng)語(yǔ)音識(shí)別率更高。關(guān)鍵詞：支持向量機(jī)，參數(shù)優(yōu)化，混沌人工魚(yú)群算法，變異人工魚(yú)群算法，語(yǔ)音識(shí)別II太原理工大學(xué)碩士研究生學(xué)位論文AFSAFORPARAMETERSOPTIMIZATIONANDAPPLICATIONOFSVMINSPEECHRECOGNITIONABSTRACTVoiceisth

8、emostnaturalmediuminthecommunicationsystem,anditplaysanimportantroleatanytime.Withthecontinuousdevelopmentoftheinformationsociety,peopleexpectthemachinetounderstandhumanvoiceandrealizeintelligence.Therefore,asanimportantpartofman