基于改进PSO训练SVM的说话人识别方法

摘要：

为了加快粒子群优化算法的收敛速度，增强全局的搜索能力，通过对粒子群优化算法中惯性权重和全局最优值的分析，提出了一种根据迭代次数而自适应变化的惯性权重的粒子群优化方法。改进后的粒子群算法防止陷入局部最优的能力有了明显的增强，同时，给出了应用其训练支持向量机的方法用于说话人识别。实验结果证实了在说话人识别中改进PSO训练SVM的方法比其它传统方法获得更好的识别精度和识别速度。

关键词： 支持向量机 粒子群优化算法 惯性权重 语音识别

作者: 李明 张勇 李军权 张亚芬

作者单位: 兰州理工大学，计算机与通信学院，兰州，730050

会议类型: 国内会议

会议名称: 第九届全国人机语言通讯学术会议

会议地点: 安徽黄山

会议语种:中文

在线出版日期: 2007-10-21（万方平台首次上网日期，不代表论文的发表时间）