|
40 82.76 86.66 90.00 90.33 92.33 50 81.19 88.49 89.90 92.28 92.85 观察实验结果可以发现，SVM 比HMM 具有更高的识别率，比较在相同信噪比和词汇 130 量的情况下，HMM 的识别结果明显下降，而SVM 的测试结果相对稳定，说明SVM 较HMM 具有更强的推广能力，进一步表明人工鱼群算法可以用于优化SVM 参数，所得SVM 抗噪 能力强。 3 结论 本文重点用人工鱼群算法对以RBF 核为核函数的SVM 参数进行优化，实验证明人工鱼 135 群算法可以用来优化SVM 参数，使用本文方法优化参数来构造SVM 分类有一定意义，且 从实验结果发现优化后的SVM 抗噪能力强，具有更强的推广能力，然而仍然存在一些缺点 和不足。总体趋势来看，随着信噪比的提高识别率有所提高，而随着词数的增多，识别率有 所下降，所得模型的分类能力在减弱，该问题有待进一步研究并解决。 [参考文献] (References) 140 [1] 邓乃扬,田英杰.数据挖掘中的新算法--支持向量机[M].北京：科学出版社，2004. [2] 林升梁,刘志.基于RBF 核函数的支持向量机的参数选择[J]. 浙江工业大学学报，2007，35（2）：163-167. [3] 李晓磊，邵之江，钱积新. 一种基于动物自治体的寻优模式：鱼群算法[J]. 系统工程理论与实践，2002， 22（11）：32-38. [4] 刘东平，单甘霖. 基于改进遗传算法的支持向量机参数优化[J]. 微计算机应用，2010，31（5）：11-15. 145 [5] 段继康. 多类分类支持向量机在语音识别中的应用研究[D]. 太原：太原理工大学，2010. 原创学术论文网Tag：职称论文发表 代写代发论文 通信论文发表 通信论文代写 |
 |
 |
 |
 |
 |
 |
 |
