10.13356/j.cnki.jdnu.2095-0063.2014.06.001
基于ACO优化小波神经网络的语音识别
蚁群优化( Ant Colony Optimization, ACO)算法是根据解决不同优化问题的多个蚂蚁算法所归纳出的解决复杂的组合优化问题的一个一般框架。本文首先研究ACO算法的原理及其结构框架,在此基础上,引入蚁群优化算法进行小波神经网络的训练,对ACO训练小波神经网络步骤和方法进行了研究。并与BP算法、遗传算法、模拟退火算法进行性能比较,将各种方法训练的小波神经网络用于噪声环境下的语音识别。仿真结果表明,基于ACO算法训练的神经网络在收敛速度上更具有优势,能够获得较小的均方误差值,对于非特定人噪声环境下的语音识别的正确率达到96%,是一种有效的语音识别方法。
蚁群优化算法、小波神经网络、噪声、语音识别
TN911
2014-12-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
1-4