首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

语音识别中区分性训练算法研究

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

论文共123页,点击 下载论文
上一篇:分布式视频编解码算法研究
下一篇:异构无线网络中的若干关键技术研究