大词汇量连续语音识别的性能优化研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·语音识别的发展 | 第11-12页 |
| ·语音识别的分类 | 第12-13页 |
| ·本文研究背景和目的 | 第13-14页 |
| ·本文的主要工作与结构 | 第14-15页 |
| 第二章 语音识别基本理论 | 第15-31页 |
| ·预处理 | 第15-17页 |
| ·特征提取 | 第17-18页 |
| ·声学模型 | 第18-24页 |
| ·声学单元选取 | 第18-19页 |
| ·HMM基本概念 | 第19-21页 |
| ·HMM训练算法 | 第21-24页 |
| ·语言模型 | 第24-27页 |
| ·N元文法模型 | 第24-26页 |
| ·结构化语言模型 | 第26-27页 |
| ·识别算法 | 第27-29页 |
| ·Viterbi-Beam算法 | 第27-28页 |
| ·Token-Passing算法 | 第28-29页 |
| ·识别结果评测 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于SIMD的似然率快速计算 | 第31-49页 |
| ·HMM的似然率计算 | 第31-33页 |
| ·似然率快速算法 | 第33-37页 |
| ·部分距离消去算法 | 第33-35页 |
| ·最佳分量预测算法 | 第35页 |
| ·特征矢量重排算法 | 第35-36页 |
| ·高斯选择算法 | 第36-37页 |
| ·基于SIMD的并行算法 | 第37-43页 |
| ·Intel SIMD技术 | 第37-40页 |
| ·算法设计 | 第40-43页 |
| ·实验与结果分析 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 潜在语义分析在LVCSR中的应用 | 第49-67页 |
| ·潜在语义分析基本原理 | 第49-54页 |
| ·特征表示 | 第50-52页 |
| ·奇异值分解 | 第52-53页 |
| ·概率计算 | 第53-54页 |
| ·潜在语义分析与N-gram的组合 | 第54-55页 |
| ·聚类平滑技术 | 第55-59页 |
| ·聚类算法设计 | 第55-57页 |
| ·平滑技术 | 第57-59页 |
| ·语义模型的应用方法 | 第59-61页 |
| ·实验与结果分析 | 第61-65页 |
| ·N-gram模型的建立 | 第61-62页 |
| ·潜在语义分析模型的建立 | 第62-63页 |
| ·连续语音识别实验 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 研究生期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
