一种融合数据归一化的自适应变异鸟群语音识别系统技术方案

本发明专利技术涉及语音识别技术领域，一种融合数据归一化的自适应变异鸟群语音识别系统，通过采用自适应变异的方法对鸟群个体更新方法进行改进，在鸟群算法在迭代更新初期，引入一种变异操作，对参数自适应过程进行优化，并结合数据归一化方法，简化了数据结构和算法复杂度，有效提高了算法的种群多样性，增强了模型的泛化能力，解决了算法早熟收敛以及搜索能力随代数增加而逐渐下降的问题，改善了易陷入局部最优的缺陷。本发明专利技术识别准确率更高，收敛速度更快，鲁棒性更强，寻优效果更好。

An adaptive mutation bird swarm identification system based on data normalization

The invention relates to the field of speech recognition technology, a data fusion of normalized adaptive mutation birds speech recognition system, by using the method of adaptive mutation of individual birds updating method was improved, the bird swarm algorithm in the iterative update stage, the introduction of a mutation operation, the parameters of adaptive process optimization, and combined with the data normalization method and simplify the data structure and algorithm complexity, the algorithm can effectively improve the diversity of the population, to enhance the generalization ability of the model, to solve the premature convergence and search ability decreases with the increase of the algebra problem, improve the defect of easily falling into local optimal. The invention has the advantages of higher recognition accuracy, faster convergence speed, stronger robustness and better searching effect.

【技术实现步骤摘要】
一种融合数据归一化的自适应变异鸟群语音识别系统
本专利技术涉及语音识别

技术介绍
随着信息时代发展，人机交互给现代社会带来巨大的改变，语音识别作为人机交互技术的基础，已是当今信息领域的研究热点。支持向量机通过其卓越的分类能力和良好的泛化性能，成为语音识别技术中较常用的分类模型。支持向量机(SupportVectorMachine,SVM)是基于结构风险最小化原则的一种新的机器学习技术。它可以更好的解决小样本、非线性、高维度等分类问题，并且具有良好的泛化性，广泛应用在模式识别、分类估计等问题当中。SVM的拟合性能和泛化能力依赖于相关参数的选择，选择的结果直接关系到分类效果。因此，支持向量机的参数选择在实际应用中是一个关键问题。目前，国际上并没有公认的统一的SVM参数的优化选取方法，较为常用的方法有：网格寻优方法、遗传算法、粒子群算法等。网格寻优(GridSearch,GS)算法是一种实用的参数寻优方法，该方法将待搜索参数在给定范围中划分为网格，通过遍历网格中所有的参数组合来寻找最优参数组，具有寻优速度快的优点，但是网格寻优对参数寻优范围和寻优步距依赖性较大。遗传算法(Gene本文档来自技高网...

【技术保护点】
一种融合数据归一化的自适应变异鸟群语音识别系统，其特征按照如下的步骤进行：步骤一、用录音设备收集语音数据，对收集的语音数据进行特征提取，将特征提取后的数据作为输入样本，把输入样本划分为原始数据训练集和原始数据测试集两部分；步骤二、采用数据归一化方法，对原始数据进行归一化处理，形成归一化训练集和归一化测试集两部分，分别给两个集合加注标签，得到训练集标签和测试集标签；步骤三、对归一化训练集采用融合数据归一化自适应变异鸟群算法对SVM参数进行寻优，求得最佳参数组(c,γ)，用该参数组建立SVM模型model；步骤四、将归一化测试集带入SVM模型，得到语音识别准确率。

【技术特征摘要】
1.一种融合数据归一化的自适应变异鸟群语音识别系统，其特征按照如下的步骤进行：步骤一、用录音设备收集语音数据，对收集的语音数据进行特征提取，将特征提取后的数据作为输入样本，把输入样本划分为原始数据训练集和原始数据测试集两部分；步骤二、采用数据归一化方法，对原始数据进行归一化处理，形成归一化训练集和归一化测试集两部分，分别给两个集合加注标签，得到训练集标签和测试集标签；步骤三、对归一化训练集采用融合数据归一化自适应变异鸟群算法对SVM参数进行寻优，求得最佳参数组(c,γ)，用该参数组建立SVM模型model；步骤四、将归一化测试集带入SVM模型，得到语音识别准确率。2.根据权利要求1所述的一种融合数据归一化的自适应变异鸟群语音识别系统，其特征在：步骤二中，其利用数据归一化方法处理数据按照如下的步骤进行：采用数据归一化方法，对原始数据进行归一化处理，设原始数据训练集和原始数据测试集中任意一个数据样本为yi，归一化后，归一化训练集和归一化测试集中对应的数据样本为：其中ymin和ymax代表yi各自的极小值和极大值。3.根据权利要求1所述的一种融合数据归一化的自适应变异鸟群语音识别系统，其特征在：步骤三中，详细过程为：a、设置鸟群的种群数量P、最大迭代次数M和迁徙频率FQ，初始化认知系数C和社会加速系数S、影响因子a1和a2以及参数组(c,γ)的最大值ub和最小值lb，随机产生P个参数组(c,γ)作为鸟群的初始状态：其中，表示鸟群个体的初始位置，i为1到P的整数，j为1到M的整数，rand(0,1)是一组(0,1)之间的随机数；b、将归一化训练集代入libsvm工具箱中的svmtrain函数，得到初始适应值fit(i)：fit(i)＝svmtrain(train_label,train_data,′-v-c-g′)其中，'-v'表示交叉验证的次数，’-c’和’-g’分别代表参数组(c,γ)中的c和γ；c、在第j次迭代更新时，自适应调整鸟群个体：其中，和分别表示鸟群个体的初始速度和自适应变异后的速度，和分别表示鸟群个体的当前位置和更新后的位置，用pi.j记录个体最佳位置，gj记录群体最佳位置，r1为(0,1)之间的随机数，r2为随机变量，小于0.5时为1，大于0.5时为-1；d、在第j次迭代更新时，依次对鸟群执行自适应鸟群算...

【专利技术属性】
技术研发人员：白静，郭倩岩，薛珮芸，史燕燕，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14