一种混沌人工鱼群算法对SVM参数的优化及应用

发布时间：2017-09-18 05:14

  本文关键词：一种混沌人工鱼群算法对SVM参数的优化及应用

  更多相关文章： 混沌人工鱼群算法 支持向量机 参数优化 语音识别

【摘要】：通过结合混沌模型实现对人工鱼群算法中各行为的改进,提出了一种混沌人工鱼群算法(CAFSA)优化SVM参数的方法,并采用测试函数进行测试和比较,再将寻优的参数运用到一个非特定人、孤立词的语音识别系统中.实验结果表明,在不同低信噪比和不同词汇量的条件下,基于混沌人工鱼群算法的SVM模型与基于基本人工鱼群算法的SVM模型相比,收敛速度明显加快,语音识别率也有不同程度的提高.
【作者单位】： 太原理工大学信息工程学院;
【关键词】： 混沌人工鱼群算法 支持向量机 参数优化 语音识别
【基金】：山西省科技攻关(社会发展)项目(20120313013-6) 山西省青年科技研究基金(2013021016-1)
【分类号】：TP18;TN912.34
【正文快照】： 1引言支持向量机[1](SVM)算法是一种研究有限样本预测的特殊机器学习方法,具有泛化能力强、维数不敏感、收敛到全局最优等特点,可以有效地解决过学习、欠学习及“维数灾难”等问题[2].但影响支持向量机性能的一个重要因素是参数的选择问题.因此,研究支持向量机参数的优化方法,

【参考文献】

中国期刊全文数据库 前4条

1 高雷阜;赵世杰;高晶;;人工鱼群算法在SVM参数优化选择中的应用[J];计算机工程与应用;2013年23期

2 袁小芳;王耀南;;基于混沌优化算法的支持向量机参数选取方法[J];控制与决策;2006年01期

3 李晓磊,薛云灿,路飞,田国会;基于人工鱼群算法的参数估计方法[J];山东大学学报(工学版);2004年03期

4 李晓磊,邵之江,钱积新;一种基于动物自治体的寻优模式:鱼群算法[J];系统工程理论与实践;2002年11期

中国硕士学位论文全文数据库 前1条

1 杨利红;基于AFSA的SVM参数优化及其应用[D];太原理工大学;2012年

【共引文献】

中国期刊全文数据库 前10条

1 王希彬;刘涛;;人工鱼群算法在无人机SLAM数据关联中的应用[J];仪表技术;2016年06期

2 闫维明;杲晓龙;谢志强;彭凌云;;基于人工鱼群算法的位移型阻尼器位置和参数的优化方法[J];振动与冲击;2016年10期

3 高雷阜;赵世杰;于冬梅;徒君;;果蝇耦合均匀设计算法及其优化SVM参数[J];计算机工程与科学;2016年05期

4 张禹;白晓兰;;基于CAFSC算法的航空发动机多管路智能布局[J];东北大学学报(自然科学版);2016年05期

5 孙茂伟;杨慧中;;基于改进仿射传播聚类的多模型软测量建模及应用[J];南京理工大学学报;2016年02期

6 李占福;童昕;;基于AFSA-SimpleMKL对振动筛建模及筛机优化[J];工程设计学报;2016年02期

7 王磊;谭平;李森萍;;基于人工鱼群算法的随机结构AMD控制系统LQR权矩阵优化[J];振动与冲击;2016年08期

8 赵敏;殷欢;孙棣华;郑林江;何伟;袁川;;基于改进人工鱼群算法的柔性作业车间调度[J];中国机械工程;2016年08期

9 谢有浩;刘晓乐;刘后广;程刚;陈曦晖;;基于改进移频变尺度随机共振的齿轮故障诊断[J];农业工程学报;2016年08期

10 彭少明;王煜;张永永;蒋桂芹;;多年调节水库旱限水位优化控制研究[J];水利学报;2016年04期

中国硕士学位论文全文数据库 前2条

1 陈云凤;基于多类图像的SVM分类优化方法比较研究[D];南京林业大学;2014年

2 李志成;基于SVM的磨料水射流切割质量预测模型研究[D];西华大学;2014年

【二级参考文献】

中国期刊全文数据库 前10条

1 戴上平;宋永东;;基于遗传算法与粒子群算法的支持向量机参数选择[J];计算机工程与科学;2012年10期

2 汪廷华;陈峻婷;;核函数的选择研究综述[J];计算机工程与设计;2012年03期

3 陈涛;雍龙泉;邓方安;杨晓;;基于差分进化算法的支持向量机参数选择[J];计算机工程与应用;2011年05期

4 王奇;吕震宙;崔利杰;;核函数的性质及其在灵敏度分析上的应用[J];西北工业大学学报;2010年05期

5 杨紫微;王儒敬;檀敬东;应磊;苏雅茹;;基于几何判据的SVM参数快速选择方法[J];计算机工程;2010年17期

6 赵明渊;唐勇;傅，

本文编号：873584