基于自适应的LVCSR系统半监督学习方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8页 |
| ·国内外研究现状及分析 | 第8-12页 |
| ·连续语音识别 | 第8-10页 |
| ·连续语音识别主要存在的问题 | 第10-11页 |
| ·半监督学习 | 第11-12页 |
| ·当前研究的热点 | 第12页 |
| ·课题来源 | 第12-13页 |
| ·主要研究内容 | 第13-14页 |
| 第2章 分阶段半监督学习 | 第14-24页 |
| ·半监督学习 | 第14-15页 |
| ·半监督学习方法原理 | 第15-16页 |
| ·半监督学习方法 | 第16-21页 |
| ·置信度 | 第16页 |
| ·结合置信度进行半监督学习 | 第16-17页 |
| ·双层置信度半监督学习 | 第17-19页 |
| ·自学习与确认相结合半监督学习 | 第19-20页 |
| ·三种半监督学习方法的性能比较 | 第20-21页 |
| ·分阶段半监督学习方法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于分阶段半监督学习的连续语音识别 | 第24-43页 |
| ·概述 | 第24页 |
| ·前端处理及特征分析 | 第24-25页 |
| ·HMM 模型 | 第25-31页 |
| ·HMM 定义 | 第25-27页 |
| ·HMM 模型关键算法 | 第27-31页 |
| ·声学建模 | 第31-34页 |
| ·HMM 单元的选取 | 第31-32页 |
| ·HMM 建模 | 第32-33页 |
| ·模型基元 | 第33页 |
| ·模型训练 | 第33-34页 |
| ·语言模型 | 第34-35页 |
| ·声学解码 | 第35-42页 |
| ·令牌 | 第37-38页 |
| ·解码结构 | 第38-40页 |
| ·令牌的复制与传递 | 第40-41页 |
| ·令牌的生命周期和垃圾收集 | 第41页 |
| ·时间同步搜索策略的令牌实现 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 数据筛选策略 | 第43-49页 |
| ·N-best 结果及其标注 | 第43-44页 |
| ·数据筛选规则 | 第44-46页 |
| ·数据筛选算法 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 实验分析 | 第49-55页 |
| ·实验数据 | 第49-51页 |
| ·实验分析 | 第51-54页 |
| ·测试语料的音素分布及分析 | 第51-52页 |
| ·语料的有调音节分布以及系统识别率分析 | 第52-53页 |
| ·改进后的系统的识别率 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
