基于改进的神经网络异常声音自动识别系统研究 |
| |
引用本文: | 刘付喜,曹坚,邹斌斌.基于改进的神经网络异常声音自动识别系统研究[J].教育技术导刊,2013,12(4):120-122. |
| |
作者姓名: | 刘付喜 曹坚 邹斌斌 |
| |
作者单位: | 嘉兴学院机电工程学院;常州大学机械工程学院; |
| |
基金项目: | 浙江省科技厅公益性项目(2011C31045) |
| |
摘 要: | 针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。
|
关 键 词: | 声音识别 粒子群优化 BP神经网络 MFCC 差分MFCC |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|