[发明专利]一种模型训练层AdaBoost算法的参数优化方法在审
| 申请号： | 201710332545.6 | 申请日： | 2017-05-12 |
| 公开（公告）号： | CN107170443A | 公开（公告）日： | 2017-09-15 |
| 发明（设计）人： | 罗森林;潘丽敏;王怀庆;刘晓双 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G10L15/06 | 分类号： | G10L15/06;G10L25/51;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种模型训练层AdaBoost算法的参数优化方法。从应用场景的角度讲，属于音频事件识别技术领域；从技术实现的角度来讲，亦属于计算机科学与音频处理技术领域。本发明首先，提取音频训练样本底层特征，生成特征向量；然后，使用模拟退火算法进行AdaBoost模型的参数优化；最后使用优化后参数生成音频事件识别模型。本发明所述方法，对模型训练层AdaBoost算法参数进行优化，逼近迭代次数的最优解。在保持优秀的识别效果的同时，极大地缩短了参数优化时间，进而提高模型训练的效率，缓解了模型训练阶段网格法寻优耗时严重的问题。 | ||
| 搜索关键词： | 一种 模型 训练 adaboost 算法 参数 优化 方法 | ||
【主权项】：
一种模型训练层AdaBoost算法的参数优化方法，其特征在于，所述方法包括以下步骤：步骤1，采集并生成音频事件训练样本，完成数据的预处理，得到带有正负样本标记的训练数据；步骤2，对步骤1获得数据集S，应用AdaBoost算法，训练音频事件识别模型；步骤3，采用步骤2的方法作为目标函数，应用模拟退火方法，优化AdaBoost的训练参数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710332545.6/，转载请声明来源钻瓜专利网。
