摘要 | 第1-7页 |
ABSTRACT | 第7-10页 |
目录 | 第10-13页 |
第一章 绪论 | 第13-27页 |
·语音识别发展概述 | 第13-15页 |
·语音识别原理 | 第15页 |
·语音识别基本框架 | 第15-20页 |
·声学特征分析 | 第16-17页 |
·HMM模型 | 第17-18页 |
·声学模型 | 第18页 |
·语言模型 | 第18-19页 |
·搜索算法 | 第19-20页 |
·存在的问题 | 第20页 |
·论文安排 | 第20-22页 |
参考文献 | 第22-27页 |
第二章 声学模型训练算法研究 | 第27-45页 |
·引言 | 第27-28页 |
·贝叶斯风险准则 | 第28-29页 |
·最大似然估计准则 | 第29-31页 |
·区分性声学模型训练 | 第31-38页 |
·最大互信息估计准则 | 第31-33页 |
·最小分类错误准则 | 第33-34页 |
·最小音素错误准则 | 第34-36页 |
·全面风险估计准则 | 第36-37页 |
·广义最小错误率准则 | 第37页 |
·最小贝叶斯风险准则 | 第37-38页 |
·小结 | 第38页 |
参考文献 | 第38-45页 |
第三章 提高生成模型区分性训练算法 | 第45-61页 |
·引言 | 第45页 |
·生成模型与区分性模型简介 | 第45-46页 |
·最大似然估计参数更新算法 | 第46-50页 |
·强势辅助函数 | 第47-48页 |
·MLE参数更新算法 | 第48-50页 |
·提高生成模型区分性算法研究 | 第50-52页 |
·算法原理 | 第50-51页 |
·算法实现 | 第51-52页 |
·实验分析 | 第52-58页 |
·基线系统 | 第53页 |
·两模型加权组合实验分析 | 第53-56页 |
·四模型组合实验分析 | 第56-58页 |
·小结 | 第58页 |
参考文献 | 第58-61页 |
第四章 区分性训练算法的改进算法研究 | 第61-91页 |
·引言 | 第61-62页 |
·区分性模型参数更新算法 | 第62-75页 |
·MMIE参数更新基本算法 | 第62-67页 |
·MPE参数更新基本算法 | 第67-75页 |
·模型选择算法 | 第75-80页 |
·混淆集选取的基本算法 | 第76页 |
·模型选择基本算法 | 第76-78页 |
·实验分析 | 第78-80页 |
·模型加权算法 | 第80-83页 |
·基本算法 | 第80-81页 |
·实验分析 | 第81-83页 |
·基于MLE与MPE模型加权的实验分析 | 第81-82页 |
·基于MMIE与MPE模型加权的实验分析 | 第82-83页 |
·基于模型混淆度的模型组合算法研究 | 第83-89页 |
·基本算法 | 第84-86页 |
·实验分析 | 第86-89页 |
·小结 | 第89页 |
参考文献 | 第89-91页 |
第五章 基于区分性信息的动态高斯混合分量分解技术 | 第91-117页 |
·引言 | 第91-92页 |
·动态混合分量设计算法 | 第92-99页 |
·基于距离测度的混合分量合并算法 | 第93-96页 |
·基于统计信息的混合分量分解算法 | 第96-99页 |
·基于MPE训练的模型动态混合分量分解算法 | 第99-105页 |
·算法描述 | 第99-101页 |
·算法步骤 | 第101-103页 |
·实验分析 | 第103-105页 |
·基线系统 | 第103-104页 |
·动态分解实验分析 | 第104-105页 |
·基于MPE训练的模型动态混合分量分解算法改进 | 第105-108页 |
·算法描述 | 第105-106页 |
·算法步骤 | 第106-107页 |
·实验分析 | 第107-108页 |
·基于归一化音素正确率的模型动态混合分量分解算法 | 第108-111页 |
·算法描述 | 第108-109页 |
·算法步骤 | 第109-110页 |
·实验分析 | 第110-111页 |
·基于归一化音素正确率的模型动态混合分量分解算法的改进 | 第111-113页 |
·算法描述 | 第111页 |
·算法步骤 | 第111-112页 |
·实验分析 | 第112-113页 |
·小结 | 第113页 |
参考文献 | 第113-117页 |
第六章 结论与展望 | 第117-121页 |
·论文总结 | 第117-119页 |
·未来工作展望 | 第119-121页 |
博士期间发表的论文 | 第121-123页 |
致谢 | 第123页 |