基于ADSABC算法优化WNN的语音识别研究

• 作者: 王民 要趁红 许娟 赵渊
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 人工蜂群算法 小波神经网络 噪声 语音识别
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图像处理
• 页码范围: 615-623
• 页数: 9页
• 分类号: TN912.3
• 字数: 5928字
• 语种: 中文
• DOI: 10.3788/YJYXS20183307.0615

摘要

小波神经网络(WNN)具有高度的非线性映射功能及强大的自适应能力,但是WNN算法存在易陷入局部极小值,收敛速度慢.而人工蜂群算法(ABC)具有很强的全局搜索能力及较快的收敛速度.两者优势互补,已结合应用于语音识别中.本文对ABC算法做出改进,在采蜜蜂和观察蜂阶段各提出一个新的解搜索方程,采取自适应的双搜索方式(Adaptive Double Search)求解,从而提高算法的收敛速度和收敛精度.并将其和WNN算法进行结合,组成一种训练神经网络的新算法ADSABC-WNN,该算法既能克服WNN算法的缺点,又能保存双方的优点.实验结果表明,与传统ABC算法优化小波神经网络相比,识别率提高均有所提高,其中在词汇量为50时识别率提高了4.51％.将实验结果与其他方法优化的小波神经网络模型进行比较,在噪声环境下,该混合模型可以有效地减少识别时间,而且可以明显提高网络的训练速度和语音识别的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王民	西安建筑科技大学信息与控制工程学院	108	458	11.0	17.0
2	许娟	西安建筑科技大学信息与控制工程学院	5	26	3.0	5.0
3	要趁红	西安建筑科技大学信息与控制工程学院	27	68	5.0	6.0
4	赵渊	西安建筑科技大学信息与控制工程学院	2	4	1.0	2.0