CAJ | 학술논문

在粒子群优化(Particle Swarm Optimization, PSO)和混合蛙跳算法(Shuffled Frog-Leaping Algorithm, SFLA)的基础上,该文提出了一种新的混合粒子对优化(Shuffled Particle-Pair Optimizer, SPPO)算法,应用于矢量量化的说话人识别.该算法将全局信息交换和局部深度搜索相结合寻求最佳的说话人码本.群体按适应值分为3个粒子对,每个粒子对由两个粒子构成,按先后顺序执行PSO算法中的速度位置更新和LBG算法以实现局部细致搜索,间隔一定的迭代次数通过SFLA混合策略实现粒子对间的信息交换,从而使群体向全局最优解靠近.实验结果表明,本算法始终稳定地取得显著优于LBG,FCM,FRLVQ-FVQ和PSO算法的说话人识别性能,较好地解决了初始码本影响的识别性能的问题,且在计算时间和收敛速度方面有相当的优势.
재입자군우화(Particle Swarm Optimization, PSO)화혼합와도산법(Shuffled Frog-Leaping Algorithm, SFLA)적기출상,해문제출료일충신적혼합입자대우화(Shuffled Particle-Pair Optimizer, SPPO)산법,응용우시량양화적설화인식별.해산법장전국신식교환화국부심도수색상결합심구최가적설화인마본.군체안괄응치분위3개입자대,매개입자대유량개입자구성,안선후순서집행PSO산법중적속도위치경신화LBG산법이실현국부세치수색,간격일정적질대차수통과SFLA혼합책략실현입자대간적신식교환,종이사군체향전국최우해고근.실험결과표명,본산법시종은정지취득현저우우LBG,FCM,FRLVQ-FVQ화PSO산법적설화인식별성능,교호지해결료초시마본영향적식별성능적문제,차재계산시간화수렴속도방면유상당적우세.