| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究内容的提出及其意义 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 第二章 语音识别系统中的区分性训练 | 第12-41页 |
| 2.1 基于HMM的语音识别系统 | 第12-20页 |
| 2.1.1 自动语音识别系统框架 | 第12-15页 |
| 2.1.2 HMM的基本理论 | 第15-17页 |
| 2.1.3 HMM训练中的三个基本问题 | 第17-20页 |
| 2.2 声学模型的区分性训练 | 第20-27页 |
| 2.2.1 区分性训练理论的提出 | 第20-22页 |
| 2.2.2 训练准则的基础——贝叶斯风险准则 | 第22-23页 |
| 2.2.3 区分性训练准则 | 第23-27页 |
| 2.3 最小音素错误准则的研究 | 第27-34页 |
| 2.3.1 目标函数的最大化的求解——EM算法 | 第27-29页 |
| 2.3.2 模型参数更新 | 第29-30页 |
| 2.3.3 其它相关技术 | 第30-32页 |
| 2.3.4 训练流程 | 第32-34页 |
| 2.4 系统实验 | 第34-40页 |
| 2.4.1 语音识别基线系统的搭建 | 第34-36页 |
| 2.4.2 对比实验 | 第36-40页 |
| 本章小结 | 第40-41页 |
| 第三章 改进的最小音素错误算法 | 第41-50页 |
| 3.1 基于检错的最小音素错误算法 | 第41-43页 |
| 3.1.1 GOP算法 | 第41-42页 |
| 3.1.2 F1值的计算 | 第42页 |
| 3.1.3 基于检错的最小音素错误估计准则——MFC | 第42-43页 |
| 3.2 改进的最小音素错误算法 | 第43-47页 |
| 3.2.1 进一步讨论F-Measure意义 | 第44-45页 |
| 3.2.2 F-Measure函数重新定义 | 第45-46页 |
| 3.2.3 改进的风险音素正确率公式 | 第46-47页 |
| 3.2.4 改进的最小音素错误准则 | 第47页 |
| 3.3 实验和结果 | 第47-49页 |
| 本章小结 | 第49-50页 |
| 第四章 最小音素错误特征训练 | 第50-63页 |
| 4.1 fMPE的工作原理 | 第50-51页 |
| 4.2 关于fMPE算法的研究 | 第51-57页 |
| 4.2.1 高维特征向量 | 第51-54页 |
| 4.2.2 变换矩阵 | 第54-56页 |
| 4.2.3 更新公式的平滑 | 第56页 |
| 4.2.4 检查 | 第56-57页 |
| 4.3 fMPE实现流程 | 第57页 |
| 4.4 系统实验 | 第57-62页 |
| 4.4.1 系统实现流程 | 第57-60页 |
| 4.4.2 实验数据及实验结果 | 第60-62页 |
| 本章小结 | 第62-63页 |
| 第五章 论文总结与展望 | 第63-66页 |
| 5.1 论文总结 | 第63页 |
| 5.2 进一步研究的方向 | 第63-64页 |
| 5.3 未来展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |