| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 引言 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·识别原理 | 第11页 |
| ·识别系统的组成 | 第11-14页 |
| ·声学特征提取 | 第12页 |
| ·声学模型 | 第12页 |
| ·语言模型 | 第12-13页 |
| ·解码器 | 第13-14页 |
| ·文章结构安排 | 第14-15页 |
| 第二章 HMM声学模型 | 第15-29页 |
| ·引言 | 第15页 |
| ·HMM介绍 | 第15-17页 |
| ·马尔可夫过程和马尔可夫链 | 第15-16页 |
| ·隐马尔可夫模型(HMM) | 第16-17页 |
| ·HMM模型应用的三个算法 | 第17-26页 |
| ·前向-后向算法 | 第18-19页 |
| ·Viterbi算法 | 第19-21页 |
| ·Baum-Welch算法 | 第21-26页 |
| ·HMM声学模型 | 第26-29页 |
| 第三章 区分性训练 | 第29-45页 |
| ·引言 | 第29-30页 |
| ·贝叶斯判决准则(Bayesian Decision Rule) | 第30-31页 |
| ·最大似然估计 | 第31-32页 |
| ·区分性训练方法 | 第32-38页 |
| ·最大互信息估计(Maximum Mutual Information Estimation,MMIE) | 第33-34页 |
| ·最小分类误差(Minimum Classification Error, MCE) | 第34-36页 |
| ·最小音素/词误差(Minmum Phone/Word Error, MPE/MWE) | 第36-38页 |
| ·全面风险估计(Overall Risk Criterion Estimation, ORCE) | 第38页 |
| ·区分性训练的模型参数优化算法 | 第38-40页 |
| ·扩展的Baum-Welch算法 | 第39-40页 |
| ·区分性训练方法的研究比较 | 第40页 |
| ·区分性训练的实验和结果 | 第40-45页 |
| ·实验配置 | 第41-42页 |
| ·实验流程 | 第42-44页 |
| ·实验结果和分析 | 第44-45页 |
| 第四章 区分性训练的并行化方法 | 第45-50页 |
| ·区分性训练的并行化方法 | 第45页 |
| ·区分性训练参数算法的并行化 | 第45-47页 |
| ·实验结果和分析 | 第47-50页 |
| 总结与展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
