基于加权量子粒子群的分类器设计

《基于加权量子粒子群的分类器设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基金项目：甘肃省自然科学基金资助项目(0803RJZA025)；甘肃省教育厅科研基金资助项目(0803-07)作者简介：收稿日期：2009-10-20计算机工程ComputerEngineering第36卷第8期Vol.36No.82010年4月April2010·人工智能及识别技术·文章编号：1000—3428(2010)08—00—0文献标识码：A中图分类号：TP393基于加权量子粒子群的分类器设计摘要：针对支持向量机在大样本情况下训练速度慢的缺点，引入权重最优位置策略改进量子粒子群优化算法，通过改进的Michigan编码方案对语音参数进行编码，构造分类规则

2、适应度函数实现基于加权量子粒子群的分类器设计。在说话人识别中的应用结果表明，该分类器具有较好的抗噪性能和较高的识别速度。关键词：说话人识别；支持向量机；量子粒子群优化；分类器DesignofClassifierBasedonWeightedQuantumParticleSwarmLIRui,LIWei-juan,LIMing(SchoolofComputerandCommunication,LanzhouUniversityofTechnology,Lanzhou730050)【Abstract】AimingattheshortageofSupportVecto

3、rMachine(SVM)slowpracticespeedinthecaseoflargesample,thispaperintroducesweightedoptimalpositionstrategytoimproveQuantumParticleSwarmOptimization(QPSO)algorithm,processescodingforvoiceparametersbyimprovingMichigancodingscheme,andconstructsnewclassifiedrulefitnessfunctiontorealizedesig

4、ningofclassifierbasedonweightedquantumparticleswarm.Applicationresultsofspeakerrecognitionshowthatthisclassifierhasbetterperformanceofnoiseproofandrecognitionspeed.【Keywords】Speakerrecognition;SupportVectorMachine(SVM);QuantumParticleSwarmOptimization(QPSO);classifier1概述传统的说话人识别主要用支持

5、向量机(SupportVectorMachine,SVM)实现分类，SVM是基于统计理论的分类规则，针对小样本情况进行，在大样本情况下会出现训练速度慢的缺点，SVM在训练过程中不考虑数据之间可能存在的相关性，需要求解二次规划(QuadraticProgramming,QP)问题，计算较复杂，所以，SVM对大样本数据的分类并不是很准确[1]。粒子群优化算法(ParticleSwarmOptimization,PSO)是由KennedyJ等人于1995年提出的一种迭代优化工具[2]，其主要特点是简单、收敛速度较快、没有很多参数需要调整，且不需要计算梯度，文献[3]提

6、出一种基于自动学习机的分类器设计，其中包括粒子群分类器(ParticleSwarm,PS-classifier)，然而PS-classifier在求解复杂问题时，存在易陷入局部最优解、收敛速度慢、参数设置等问题影响其分类准确率。一些学者对PSO算法提出改进，文献[4]提出的基于量子理论的量子粒子群优化(QuantumPSO,QPSO)算法是一种新型的具有高效率全局搜索能力的算法，但是QPSO算法是在假定所有粒子对整个群体的贡献率均相等的情况下进行的，这不符合一般进化过程中优胜劣汰的思想。针对该问题，本文引入权重最优位置策略改进QPSO，并将改进后的加权粒子群优化

7、算法用于基于量子粒子群的分类器设计，得到基于加权量子粒子群的分类器。2量子粒子群优化算法的基本理论QPSO算法是从量子力学的角度提出一种新的算法，其粒子状态不是由粒子的位置和速度描述，而是由波函数[4]描述，其概率密度函数为，它的形式取决于粒子所在的势阱能量强度参数。通过蒙特卡罗随机模拟方式得到的粒子根据以下迭代公式来移动，其中，为收缩因子；为[0,1]范围内变化的随机数。(1)(2)在QPSO中引入平均最好位置Mbest概念作为所有粒子的重心：(3)其中，为第i个粒子的pbest，表示粒子群体中最好粒子，在这种情况下，局部吸引确保粒子群收敛于以下坐标：(4)3

8、加权量子粒子群优化算法在