一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

一种基于萤火虫群的实际流量预测方法

针对计算机网络快速发展产生的拥塞现象,在以往的研究基础上利用萤火虫群优化方法提出一种新的预测算法PGS(Prediction method based on Glowworm Swarm).该算法首先将到达流量视作萤火虫群,节点服务率视作吸引度,通过对萤火虫个体执行移动操作和随机飞行操作来获得最优位置和吸引度,以此达到提高预测精度的目的.同时,结合OPENT和MATLAB进行仿真实验,深入研究了影响PGS算法预测误差的关键因素.最后,对比分析了小波变换预测方法,本文算法的预测误差降低了1.08%,结果表明PGS具有较好的适应性.