V支持向量机中参数的优化及在语音识别中的应用.pdf

关于学位论文使用权的说明侈焰垒』銎汀翌』盖』麴』芝独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的论文作者签名:本人完全了解太原理工大学有关保管、使尉学位论文的规定,其中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;⑨学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内容C苎宦畚脑诮饷芎笞袷卮斯娑。导师签名:声本人押壬浚瘂鳎核式坏难宦畚模潜救嗽谥傅冀淌Φ闹傅枷拢法律责任由本人承担。期:/讨日期:曰期:明/,:
С窒蛄炕胁问挠呕霸谟镆羰侗鹬械挠τ摘要目前,机器在人们的生产与生活中扮演着重要的角色,因此改善人和机器之间的关系,使机器能够更好的为人类服务变的越来越重要。支持向量机是一种机器分类机,是机器学习的新算法。标准的魑;餮的一种常用方法,其参数的选则与机器的学习能力息息相关且影响颇大,但现有研究中对问难≡袢晕尥骋坏姆椒āR虼耍灾С窒蛄炕参数的选择进行研究具有很大的意义。支持向量机中核函数的类型、核参数的选取直接影响着基于支持向量机的语音识别系统的识别效果。然而,到目前为止,支持向量机的核函数、核参数及惩罚因子的选择还没有科学的方法,它们的选择只能根据经验、大量的反复实验进行对比等方法来进行选择,带有很大的局限性。为了验证支持向量机在语音识别系统中的识别效果,本文分别构建了基于线性核支持向量机、径向基核支持向量机、三阶多项式核支持向量机以及核支持向量机的非特定人孤立词语音识别系统,并进行了大量的仿真实验。实验结果表明,前三种支持向量机应用于语音识别系统中均取得了比较好的识别效果,且训练时间较短;而酥С窒蛄炕τ糜谟镆羰侗鹣统中却得到了不尽如人意的识别结果。因此,核函数的不同直接影响着支为了研究在核函数确定的情况下,核参数的取值对支持向量机推广性持向量机的分类性能,从而影响了语音识别系统的识别效果。能的影响,以及避免标准甋中参数难以选择的问题,本文做了进一步太原理工大学硕士生学位论文
的研究,实现了在核函数类型确定的前提下,用粒子群优化算法对猄中参数进行优化,并用基于优选参数值的支持向量机进行语音识别实验,实验证明粒子群算法可以用于优化猄,且可获得良好的识别结果。关键词:语音识别,琍,参数选优太原理工大学硕士生学位论文
甋甋甶甌琾太原理工大学硕士生学位论文琣,琲,...,瑆甀,猻
,籗,,猳:.,.瑂琾,.
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯支持向量机研究的重要意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯难芯肯肿础砺垩芯肯肿础挠τ醚芯肯肿础语音识别的研究现状及面临的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...镆羰侗鸬姆⒄⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文内容及结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章语音识别基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯语言识别系统简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯,.蔽使檎际酢太原理工大学硕士生学位论文.
.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第三章支持向量机理论及应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..统计学习理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..榉缦兆钚』⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.支持向量机分类原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..咝钥煞諷⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一实验一采用不同核函数挠镆羰侗鹗笛椤第四章籗的参数选优及应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯籗算法介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯猄算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯