改进的AdaBoost.M2-SVM在低信噪比语音识别中的应用

作者： 刘红芬 ; 刘晓峰 ; 张雪英 ; 黄丽霞 ; 王子中

摘要： 提出了基于雁群启示的粒子群优化算法改进的AdaBoost.M2-SVM算法.首先训练多个支持向量机作为弱分类器,用AdaBoost.M2算法将多个弱分类器集成为最终的强分类器,实现多类分类;采用GeesePSO算法对AdaBoost.M2算法计算出的权值进行优化得到一组最优的权值,提高最终强分类器的提升能力.实验结果表明,在低信噪比语音识别中,与SVM相比,改进的AdaBoost.M2-SVM表现出更好的泛化能力,提高了识别准确率.

关键字： AdaBoostM2 支持向量机 权值 GeesePSO 低信噪比

---

上一篇：一种任意时间片长度对CPU上下文切换代价影响消除的新方法
下一篇：基于区域色彩空间和LBP算法的图像分割