基于遗传小波神经网络的语音识别分类器设计

分类在语音识别中是很重要的，由于小波神经网络的学习效果对网络隐层节点数、初始权值(包括阈值)、伸缩和平移因子以及学习率和动量因子的依赖性较大，致使其全局搜索能力弱，易陷入局部极小，收敛速度减慢，甚至不收敛。而遗传算法具有的高度并行、随机、自适应搜索性能，使它在处理用传统搜索方法解决不了的复杂和非线性问题时具有明显的优势。因此，考虑把遗传算法和神经网络相结合，采用遗传算法选取初值进行训练，用小波神经网络完成给定精度的学习。仿真实验结果表明，该模型有效地提高了语音的识别率，并缩短了识别时间，实现了效率与时间的双赢，为算法的实用性莫定了基础。