| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究的背景和意义 | 第7-8页 |
| 1.2 发音错误检测算法 | 第8页 |
| 1.3 自动发音错误检测技术的概述 | 第8-9页 |
| 1.4 自动发音错误检测技术的研究现状 | 第9-11页 |
| 1.4.1 基于语音学知识的检错方法 | 第9-10页 |
| 1.4.2 基于统计语音识别的检错方法 | 第10-11页 |
| 1.5 论文的结构安排 | 第11-12页 |
| 第2章 传统发音错误检测算法 | 第12-24页 |
| 2.1 引言 | 第12页 |
| 2.2 隐马尔科夫模型 | 第12-14页 |
| 2.2.1 马尔科夫过程 | 第12-13页 |
| 2.2.2 隐马尔科夫模型(HMM)的数学定义 | 第13-14页 |
| 2.3 HMM的三个基本问题 | 第14-16页 |
| 2.3.1 估值问题 | 第14-15页 |
| 2.3.2 译码问题 | 第15-16页 |
| 2.3.3 学习问题 | 第16页 |
| 2.4 发音错误检测度量算法 | 第16-18页 |
| 2.4.1 GOP算法 | 第17页 |
| 2.4.2 检错数据库上F_1值的计算 | 第17-18页 |
| 2.5 最大似然估计分类 | 第18-23页 |
| 2.5.1 分类原理 | 第18-19页 |
| 2.5.2 EM算法和Baum-Welch算法 | 第19-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 区分性学习方法 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 贝叶斯分类器 | 第24-25页 |
| 3.3 条件最大似然与最大互信息 | 第25-27页 |
| 3.3.1 条件最大似然估计 | 第25-26页 |
| 3.3.2 最大互信息估计 | 第26-27页 |
| 3.4 最小音素错误估计 | 第27-36页 |
| 3.4.1 目标函数 | 第27-28页 |
| 3.4.2 音素估计 | 第28-29页 |
| 3.4.3 目标函数的优化 | 第29-36页 |
| 3.5 小结 | 第36-37页 |
| 第4章 基于F_1值最大化的声学模型训练准则 | 第37-42页 |
| 4.1 引言 | 第37页 |
| 4.2 目标函数的构造及其优化 | 第37-41页 |
| 4.2.1 目标函数 | 第37-39页 |
| 4.2.2 目标函数的优化方法 | 第39-41页 |
| 4.3 小结 | 第41-42页 |
| 第5章 实验与结果 | 第42-52页 |
| 5.1 引言 | 第42页 |
| 5.2 实验平台 | 第42-44页 |
| 5.3 试验数据库和实验配置 | 第44-45页 |
| 5.4 最大似然训练准则实验结果 | 第45-46页 |
| 5.5 最小音素错误估计训练准则实验结果 | 第46-47页 |
| 5.6 基于F_1值最大化的声学模型训练准则实验结果 | 第47-52页 |
| 第6章 结论和展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 作者在攻读硕士学位期间发表的论文 | 第57-58页 |