基于动态贝叶斯网络的连续语音识别研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 引言 | 第12-24页 |
| ·连续语音识别系统概述 | 第12-15页 |
| ·研究背景 | 第12页 |
| ·关键技术 | 第12-15页 |
| ·连续语音识别的发展现状 | 第15-19页 |
| ·特征提取 | 第15页 |
| ·声学模型 | 第15-18页 |
| ·语言模型 | 第18页 |
| ·搜索算法 | 第18-19页 |
| ·基于DBN 的连续语音识别的发展现状 | 第19-21页 |
| ·引入辅助变量的DBN | 第20页 |
| ·基于发音特征的DBN | 第20页 |
| ·多流DBN | 第20-21页 |
| ·论文的主要工作和组织安排 | 第21-24页 |
| ·论文的研究内容 | 第21页 |
| ·论文的结构安排 | 第21-24页 |
| 第二章 DBN 及DBN 推理和学习 | 第24-36页 |
| ·DBN 的相关概念 | 第24-25页 |
| ·BN 的推理 | 第25-30页 |
| ·树状图推理 | 第25-26页 |
| ·一般拓扑结构图的推理 | 第26-30页 |
| ·DBN 推理 | 第30-33页 |
| ·Frontier 算法 | 第30-31页 |
| ·Interface 算法 | 第31-33页 |
| ·Islands 算法 | 第33页 |
| ·DBN 学习 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第三章 次音子DBN 语音识别模型 | 第36-52页 |
| ·决策树 | 第36页 |
| ·音子DBN 模型 | 第36-41页 |
| ·交换父节点 | 第36-37页 |
| ·模型结构及相关定义 | 第37-38页 |
| ·控制层 | 第38-40页 |
| ·观测层 | 第40-41页 |
| ·次音子DBN 模型 | 第41-43页 |
| ·次音子 | 第41页 |
| ·模型结构及其参数 | 第41-42页 |
| ·相关性变化的过程 | 第42-43页 |
| ·控制层变化的次音子DBN 模型 | 第43-44页 |
| ·模型结构及其参数 | 第43页 |
| ·控制层变化后构建WT t 的决策树 | 第43-44页 |
| ·三音子DBN 模型 | 第44-46页 |
| ·三音子 | 第44页 |
| ·模型结构及其参数 | 第44-46页 |
| ·实验结果与性能分析 | 第46-50页 |
| ·评价方法 | 第46页 |
| ·MFCC 的提取 | 第46-47页 |
| ·小词汇的连续语音识别的实验结果及分析 | 第47-49页 |
| ·汉语的连续语音识别的实验结果及分析 | 第49-50页 |
| ·小结 | 第50-52页 |
| 第四章 引入离散噪声变量的DBN 语音识别模型 | 第52-61页 |
| ·辅助变量 | 第52-53页 |
| ·标准信息与辅助信息 | 第52页 |
| ·辅助噪声变量 | 第52-53页 |
| ·引入离散噪声变量的词DBN 模型 | 第53-54页 |
| ·其他引入离散噪声变量的DBN 模型 | 第54-57页 |
| ·引入离散噪声变量的次音子DBN 模型 | 第55页 |
| ·引入离散噪声变量的三音子DBN 模型 | 第55-57页 |
| ·实验 | 第57-60页 |
| ·词DBN 模型和次音子DBN 模型的识别性能 | 第57-58页 |
| ·引入离散噪声变量的DBN 模型的识别性能 | 第58-60页 |
| ·小结 | 第60-61页 |
| 结束语 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第69-70页 |
| 致谢 | 第70页 |
