应用科技
應用科技
응용과기
YING YONG KE JI
2012年
3期
28-31
,共4页
王健峰%张磊%陈国兴%何学文
王健峰%張磊%陳國興%何學文
왕건봉%장뢰%진국흥%하학문
支持向量机%参数优化%网格搜索%遗传算法%粒子群算法%说话人识别
支持嚮量機%參數優化%網格搜索%遺傳算法%粒子群算法%說話人識彆
지지향량궤%삼수우화%망격수색%유전산법%입자군산법%설화인식별
比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法.具体分析了网格法、遗传算法和粒子群算法在 SVM 参数优化方面的性能以及优缺点,提出了一种改进的网格法.先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索.实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.
比較瞭現今應用比較廣汎的3種支持嚮量機(SVM)參數優化方法.具體分析瞭網格法、遺傳算法和粒子群算法在 SVM 參數優化方麵的性能以及優缺點,提齣瞭一種改進的網格法.先在較大範圍內進行搜索,在得到的優化結果附近區域再進行精確搜索.實驗錶明改進的網格搜索法耗時短,更適用于有時間要求的說話人識彆應用中.
비교료현금응용비교엄범적3충지지향량궤(SVM)삼수우화방법.구체분석료망격법、유전산법화입자군산법재 SVM 삼수우화방면적성능이급우결점,제출료일충개진적망격법.선재교대범위내진행수색,재득도적우화결과부근구역재진행정학수색.실험표명개진적망격수색법모시단,경괄용우유시간요구적설화인식별응용중.