共查询到18条相似文献,搜索用时 234 毫秒
1.
BP神经网络在雷达干扰效能评估中存在收敛速度较慢的问题,对此,提出了一种基于RBF的神经网络算法。该方法依据干扰效果评定因素的隶属函数确定其隶属度,作为RBF神经网络的输入层数据。选定训练样本,将测试样本的神经网络性能进行检验,以此比较BP神经网络算法。理论推导和仿真实验结果表明:新方法具可行性与有效性,且比BP神经网络具有更快的收敛速度和更好的稳定性。 相似文献
2.
鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示:RBF神经网络比BP神经网络平均相对误差(MRE)低约1%,在拟合度(R2)上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。 相似文献
3.
仿生模式识别神经网络(BPRNN)同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度. 相似文献
4.
负性情绪对于临床治疗的效果有着巨大影响.语音是人类表达情绪的主要方式之一,通过语音识别患者的情绪状态,可以帮助我们更简便、更快捷地监控病人的情绪,从而可以更快更有效地采取措施降低负面情绪带来的不良影响.对一种改进BP神经网络进行了扩展,拓展了用于情感识别的语音特征向量的冗余度,采取主成分分析方法对语音特征向量进行降维处理,并对语音样本进行去野点处理,从而使得该BP网络同时具备了对于愤怒和悲伤两种负性情绪的良好识别能力. 相似文献
5.
6.
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。 相似文献
7.
随着科技的迅速发展,人机交互越来越受到人们的重视,语音情感识别更是学术界研究的热点。将BP神经网络算法用于语音情感识别研究,并在汉语情感数据集上进行了相关实验,识别的准确率达到了91.5%,相较于SVM算法分类精度提高了5%。 相似文献
8.
黄轩 《Journal of Zhangzhou Technical Institute》2013,(1):7-11
通过研究视频汉字识别问题,提出了关于视频中汉字跟踪及分割算法。首先,提取视频样本特征,采用K均值算法进行聚类作为第I次分类,之后,采用多个BP(back propagation)神经网络进一步细分一次分类后的结果作为二次分类。最后,对以上算法进行了实验验证,结果证明这些算法是有效的,多层分类器较单一的BP神经网络分类器识别率更高。 相似文献
9.
10.
11.
将基于多个嵌入图组合形式的半监督判别分析(SDA)以及核SDA(KSDA)应用于全监督的语音情感识别.在语音信号样本情感成分的预处理阶段,从样本语段中提取出多种特征及其统计参数,包括基音、过零率、能量、持续长度、共振峰和MFCC(Mel频率倒谱系数).在将样本特征送入分类器之前的维数约简阶段,使用经过参数优化的SDA或KSDA进行降维.Berlin语音情感数据库上的实验表明,在使用多类SVM分类器时的全监督语音情感识别中,SDA优于其他一些先进的基于谱图学习的维数约简算法,如LDA,LPP,MFA等,而KSDA通过核化的数据映射,能够取得比上述所有算法更好的识别效果. 相似文献
12.
针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机(RBM)的特征提取方法。依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度。实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20%。此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9%,对提升多目标语音识别率具有重要意义。 相似文献
13.
基于韵律变换的情感说话人识别 总被引:1,自引:0,他引:1
为了解决由情感变化引起的说话人识别性能下降问题,提出了一种新的情感说话人识别系统.首先,通过引入情感识别作为前端处理模块,对中性语音和情感语音进行分类.然后,对情感语音进行韵律修正,分别采用高斯归一化、高斯混合模型(GMM)和支持向量回归(SVR)等方法建立情感语音和中性语音的基频映射规则,并根据平均线性变化率对时长进行了修正.最后,对韵律修正后的情感语音进行识别.实验结果表明,提出的情感说话人识别系统可以有效地提高情感说话人识别的性能,识别率相比传统方法有了显著的提高.并且通过基频和时长修正的情感语音更接近于中性语音. 相似文献
14.
为使X型四旋翼无人机系统能够在受到扰动时快速调整状态以适应环境变化,对X型四旋翼无人机进行区别于传统的受力分析,建立动力学数学模型,采用RBF神经网络和PID联合控制方法,依靠神经网络自学习和非线性映射特征实现系统控制参数的动态整定。以MATLAB/Simulink为实验平台,对RBF神经网络PID控制系统和单纯PID控制系统分别进行仿真。实验结果表明,RBF神经网络PID控制比传统的PID控制调整时间更短、控制效果更好,增强了系统自适应性。 相似文献
15.
16.
基于二维情感空间的语音情感识别 总被引:1,自引:0,他引:1
为提高语音情感的正确识别率,在利用反映"激发维"维度信息的韵律特征基础上,提出了采用反映"评价维"维度信息的音质特征作为新的情感特征使用。再将韵律特征参数和音质特征参数结合并用于语音情感识别,并采用支持向量机分类器实现对汉语生气、高兴、悲伤、厌烦和中性五类情感的识别。试验结果表明,基于"激发维"和"评价维"二维情感空间取得的情感总体平均正确识别率为84%,比基于"激发维"一维情感空间取得的识别率高出了12%。可见同时考虑从"激发维"和"评价维"二维情感空间进行语音情感识别,识别结果得到了较大改善。 相似文献
17.
针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母/数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。 相似文献
18.
基于模糊支持向量机的语音情感识别 总被引:1,自引:0,他引:1
根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量机(FSVM)原理,并将其应用于汉语语音信号中生气、高兴、悲伤、惊奇4种主要情感类型的识别。仿真实验结果表明FSVM比支持向量机(SVM)有着更好的分类性能和更高的识别率。 相似文献