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

1、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

2、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)，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Au

3、rora2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，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