基于PSO-PF算法的SVM识别方法 及其在异常声音中的应用

• 作者: 宁方立 岳凤丽 张芃楠 韦娟
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 异常声音 支持向量机 粒子滤波 粒子群优化 参数优化
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论文
• 页码范围: 58-63
• 页数: 6页
• 分类号: TN929.53
• 语种: 中文
• DOI: 10.13190/j.jbupt.2018-246

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宁方立	西北工业大学机电学院	51	206	8.0	11.0
3	韦娟	西安电子科技大学通信工程学院	39	126	6.0	9.0
4	岳凤丽	西安电子科技大学通信工程学院	2	6	1.0	2.0
7	张芃楠	西安电子科技大学通信工程学院	1	1	1.0	1.0