基于PSO-PF算法的SVM识别方法 及其在异常声音中的应用
针对异常声音识别率低和算法复杂度高等技术难题,提出了一种基于粒子群优化粒子滤波(PSO-PF)算法优化支持向量机(SVM)的识别方法.将PSO算法引入粒子滤波中,通过不断更新粒子速度和位置,使粒子群向高似然后验概率区域移动,提高粒子滤波的参数估计精度.将PSO-PF算法应用于SVM参数优化中,可解决现有SVM参数优化算法易陷入局部最优值等问题.实验结果表明,将所提方法应用于多类异常声音识别,能够有效提高识别率,降低算法复杂度.
异常声音、支持向量机、粒子滤波、粒子群优化、参数优化
42
TN929.53
国家自然科学基金项目51375385,51675425;2018年东莞市社会科技发展重点项目20185071021600;陕西省重点研发计划项目2018SF-365,2018GY-181
2019-08-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
58-63