基于PSO-PF算法的SVM识别方法及其在异常声音中的应用

韦娟¹, 张芃楠¹, 岳凤丽¹, 宁方立^2,3

1. 西安电子科技大学 通信工程学院, 西安 710071;
2. 西北工业大学 机电学院, 西安 710072;
3. 东莞市三航军民融合创新研究院, 广东 东莞 523808

收稿日期:2018-10-17出版日期:2019-06-28发布日期:2019-06-20

作者简介:韦娟(1973-),女,副教授,E-mail:weijuan@xidian.edu.cn.
基金资助:国家自然科学基金项目（51375385，51675425）；2018年东莞市社会科技发展（重点）项目（20185071021600）；陕西省重点研发计划项目（2018SF-365，2018GY-181）

Recognition and Application of Abnormal Sound Via SVM Based on PSO-PF

WEI Juan¹, ZHANG Peng-nan¹, YUE Feng-li¹, NING Fang-li^2,3

1. School of Telecommunications Engineering, Xidian University, Xi'an 710071, China;
2. School of Mechanical Engineering, Northwestern Polytechnical University, Xi'an 710072, China;
3. Dongguan Sanhang Civil-military Integration Innovation Institute, Guangdong Dongguan 523808, China

Received:2018-10-17Online:2019-06-28Published:2019-06-20

摘要/Abstract

摘要： 针对异常声音识别率低和算法复杂度高等技术难题，提出了一种基于粒子群优化粒子滤波（PSO-PF）算法优化支持向量机（SVM）的识别方法.将PSO算法引入粒子滤波中，通过不断更新粒子速度和位置，使粒子群向高似然后验概率区域移动，提高粒子滤波的参数估计精度.将PSO-PF算法应用于SVM参数优化中，可解决现有SVM参数优化算法易陷入局部最优值等问题.实验结果表明，将所提方法应用于多类异常声音识别，能够有效提高识别率，降低算法复杂度.
中图分类号:
TN929.53

引用本文

韦娟, 张芃楠, 岳凤丽, 宁方立. 基于PSO-PF算法的SVM识别方法及其在异常声音中的应用[J]. 北京邮电大学学报, 2019, 42(3): 58-63.
WEI Juan, ZHANG Peng-nan, YUE Feng-li, NING Fang-li. Recognition and Application of Abnormal Sound Via SVM Based on PSO-PF[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(3): 58-63.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3354