基于Sphinx的语音识别框架及其性能优化
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景及意义 | 第9-10页 |
| ·语音识别概述 | 第10-11页 |
| ·语音识别的历史与现状 | 第11-14页 |
| ·论文研究工作概述 | 第14页 |
| ·论文的安排 | 第14-15页 |
| 第二章 语言模型概述 | 第15-27页 |
| ·统计语言模型 | 第15-16页 |
| ·N 元语言模型 | 第16-19页 |
| ·基于类的语言模型 | 第19-20页 |
| ·最大熵语言模型 | 第20-21页 |
| ·基于神经网络的语言模型 | 第21-24页 |
| ·前馈神经网络语言模型 | 第21-22页 |
| ·循环神经网络语言模型 | 第22-24页 |
| ·语言模型的评价 | 第24-25页 |
| ·语言模型的自适应 | 第25-26页 |
| ·实验语言模型的训练 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 Sphinx 语音识别框架 | 第27-35页 |
| ·Sphinx 语音识别引擎简介 | 第27-28页 |
| ·Sphinx 语音识别工具 | 第28-30页 |
| ·Sphinx-4 语音识别引擎 | 第30-31页 |
| ·Sphinx-4 框架的前端模块 | 第31-32页 |
| ·Sphinx-4 的解码器模块 | 第32-33页 |
| ·Sphinx-4 的语言专家 | 第33-34页 |
| ·Sphinx-4 的使用 | 第34页 |
| ·系统的评价 | 第34页 |
| ·小结 | 第34-35页 |
| 第四章 并行混淆网络生成算法的研究 | 第35-47页 |
| ·Sphinx-4 中网格的基本形式 | 第35-38页 |
| ·混淆网络 | 第38-40页 |
| ·已有的混淆网络生成算法 | 第40-42页 |
| ·词类聚算法 | 第40-41页 |
| ·轴对称生成算法 | 第41页 |
| ·基于网格分段的生成算法 | 第41-42页 |
| ·并行混淆网络生成算法 | 第42-45页 |
| ·并行算法的实现 | 第43-45页 |
| ·实验与分析 | 第45页 |
| ·小结 | 第45-47页 |
| 第五章 重打分算法 | 第47-60页 |
| ·N-best 重打分 | 第47-48页 |
| ·lattice 重打分 | 第48页 |
| ·混淆网络重打分 | 第48-50页 |
| ·混淆网络基本模型 | 第49-50页 |
| ·迭代重打分算法 | 第50-51页 |
| ·混淆网络遗传重打分算法 | 第51-55页 |
| ·遗传算法的基本概念 | 第51-53页 |
| ·遗传算法重打分的实现 | 第53-55页 |
| ·实验与分析 | 第55-59页 |
| ·适应值函数对词准确率的影响 | 第55-56页 |
| ·种群对词准确率的影响 | 第56页 |
| ·进化代数对词准确率的影响 | 第56-57页 |
| ·突变率对词准确率的影响 | 第57页 |
| ·交叉率对词准确率的影响 | 第57-58页 |
| ·算法比较 | 第58页 |
| ·实验小结 | 第58-59页 |
| ·小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·工作总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间的研究成果 | 第67-68页 |
