Matlab之BP神经网络学习------- Day 2

一：模型建立

 

BP神经网络的语音特征信号分类算法建模有三步：1、BP神经网络构建，2、BP神经网络训练，3、BP神经网络分类。

算法流程如下：

BP神经网络结构为24-25-4，即输入层为24，隐含层为25，输出层为4。

二：Matlab实现

（1）、归一化方法及Matlab函数

为了消除数据间数量级差距，数据归一化处理将所有数据转化为[0,1]之间的数，数据归一化有以下两种方法：

1:最大最小法：函数形式：X = (X - min(X)) / (X - max(X));

其中min(X)、max（X）分别为数据中最小数、最大数。

2:平均数方差法：函数形式：X =（X - delta（X））/var（X）；

其中delta（X）为数据总均值，var（X）为数据方差。

三：数据选择与归一化

根据倒谱系数法提取语音特征信号（名词解释：语音特征信号是语音识别研究领域一个重要方面，一般采用模式匹配原理解决。运算过程为：待识别信号转化为电信号后输入识别系统，经过预处理用数学方法提取语音特征信号，而后将此语音特征信号与已知参考模式比较，获得最佳匹配结果。）：不同的语音信号用不同的不同的序号标识，提取的语音信号分别存储在数据库文件中，每组文件为25维，第一维为类别标识，后24维为语音特征信号，后将所有语音信号合为一组，从中选取1500组训练数据，500组测试数据，并进行归一化处理，根据语音类别标识设定每组语音信号的期望输出值。例（四类语音特征信号标识类为1时，期望输出向量为[1，0，0，0]）。

注：学习过基础Matlab编程，因此不涉及代码部分。