语音识别声学建模中的主动学习研究
摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第一章 绪论 | 第13-23页 |
·语音识别发展概述 | 第13-15页 |
·语音识别框架简介 | 第15-16页 |
·声学建模中的主动学习 | 第16-20页 |
·问题提出 | 第16-17页 |
·主动学习简介 | 第17-18页 |
·主动学习概述 | 第18-20页 |
·论文的研究意义 | 第20-21页 |
·论文结构安排 | 第21-23页 |
第二章 声学建模主动学习系统 | 第23-53页 |
·引言 | 第23-24页 |
·基于HMM的声学建模 | 第24-31页 |
·基于HMM的声学模型 | 第24-25页 |
·HMM的经典问题 | 第25-31页 |
·主动学习算法 | 第31-38页 |
·算法描述 | 第31-34页 |
·主动学习中的语音识别技术 | 第34-38页 |
·主动学习性能评价 | 第38页 |
·主动学习基线系统 | 第38-40页 |
·样本置信度 | 第40-47页 |
·基于词格的词后验概率 | 第40-43页 |
·词混淆网络 | 第43-46页 |
·样本后验概率计算 | 第46-47页 |
·实验设定与结果 | 第47-52页 |
·实验数据 | 第47-48页 |
·实验结果 | 第48-52页 |
·本章小结 | 第52-53页 |
第三章 基于K-L散度的初始集合选择算法 | 第53-65页 |
·引言 | 第53-54页 |
·K-L散度 | 第54页 |
·基于K-L散度的初始集合选择算法 | 第54-60页 |
·算法描述 | 第54-57页 |
·GMM建模 | 第57-59页 |
·GMM间相似性度量 | 第59-60页 |
·实验设定与结果 | 第60-64页 |
·实验数据 | 第60-61页 |
·实验结果 | 第61-64页 |
·本章小结 | 第64-65页 |
第四章 基于不同样本评价准则的主动学习算法 | 第65-99页 |
·引言 | 第65-66页 |
·置信度标注 | 第66-72页 |
·支持向量机SVM | 第66-70页 |
·算法描述 | 第70-72页 |
·基于字词混合的语音识别结果评价算法 | 第72-82页 |
·经典算法回顾 | 第72-74页 |
·基于字词混合的识别结果评价算法 | 第74-80页 |
·实验设定与结果 | 第80-82页 |
·基于多预测子组合的样本评价算法 | 第82-87页 |
·算法描述 | 第82-85页 |
·实验设定与结果 | 第85-87页 |
·基于不同层次混淆网络的样本评价算法 | 第87-98页 |
·多层次混淆网络生成框架 | 第87-91页 |
·基于不同层次混淆网络的主动学习系统 | 第91-94页 |
·实验设定与结果 | 第94-98页 |
·本章小结 | 第98-99页 |
第五章 基于潜主题相似度的样本置信度研究 | 第99-115页 |
·引言 | 第99-100页 |
·潜狄利克雷分配LDA | 第100-102页 |
·LDA模型 | 第100-101页 |
·Gibbs采样 | 第101-102页 |
·基于潜主题相似度的置信度 | 第102-106页 |
·算法描述 | 第102-103页 |
·词的主题分布 | 第103-104页 |
·上下文主题分布 | 第104-105页 |
·潜主题相似度 | 第105-106页 |
·实验设定与结果 | 第106-114页 |
·实验数据 | 第106-108页 |
·实验结果 | 第108-114页 |
·本章小结 | 第114-115页 |
第六章 声学模型的选择性训练 | 第115-126页 |
·引言 | 第115-116页 |
·声学模型选择性训练 | 第116-120页 |
·声学模型训练算法 | 第116-118页 |
·声学模型选择性训练算法 | 第118-119页 |
·选择性训练的应用 | 第119-120页 |
·选择性半监督学习 | 第120-125页 |
·声学建模半监督学习 | 第120-122页 |
·实验设定与结果 | 第122-125页 |
·本章小结 | 第125-126页 |
第七章 总结与展望 | 第126-130页 |
·论文总结 | 第126-127页 |
·研究展望 | 第127-130页 |
参考文献 | 第130-142页 |
博士期间发表的论文 | 第142-144页 |
致谢 | 第144页 |