范数正则化解相关集成学习基音频率检测

• 作者: 张小恒 朱斌 李勇明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 低信噪比环境 基音频率 范数正则化的解相关集成学习神经网络模型(L2-DNNE)
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 155-160
• 页数: 6页
• 分类号: TN912
• 字数: 4891字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1611-0044

摘要

低信噪比环境下的基音频率检测极其重要且富有挑战性,至今未得到很好的解决.基于此,首先构造了基于PEFAC的频域空间检测模型,将基音频率作为特征进行提取,然后提出范数正则化的解相关集成学习神经网络模型(L2-DNNE)对其进行训练,利用负相关学习机制(NCL)和模型复杂度约束项提高集成学习模型的泛化能力,从而获取基音频率的最优值,且在测试精度和时间代价上取得了较好的平衡.将该算法与相关有代表性的算法进行比较.比较结果表明,该算法在不同类型不同程度的噪声环境下,能显著提升检测识别率,尤其在低信噪比下有更显著优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱斌	重庆大学信号与信息处理研究所	22	154	7.0	11.0
2	李勇明	重庆大学信号与信息处理研究所	51	315	9.0	15.0
3	张小恒		7	9	2.0	2.0