表目录 | 第7-8页 |
图目录 | 第8-9页 |
摘要 | 第9-10页 |
ABSTRACT | 第10-11页 |
第一章 绪论 | 第12-24页 |
1.1 语音关键词识别技术的发展历程 | 第12-15页 |
1.1.1 STD 与 KWS、SDR 等相近领域的关系 | 第13-14页 |
1.1.2 当今国内外主流研究机构及最新研究成果 | 第14-15页 |
1.2 语音关键词检出算法的研究现状 | 第15-16页 |
1.3 语音关键词识别中的置信度研究 | 第16-21页 |
1.3.1 基于特征的置信度方法 | 第17页 |
1.3.2 基于似然比检验的置信度方法 | 第17-18页 |
1.3.3 基于后验概率的置信度方法 | 第18-20页 |
1.3.4 基于区分性置信度的方法 | 第20-21页 |
1.3.5 不同置信度方法之间的关系 | 第21页 |
1.4 论文的工作和结构安排 | 第21-24页 |
第二章 语音关键词识别关键技术及系统实现 | 第24-37页 |
2.1 基于 Lattice 的关键词识别系统 | 第24-31页 |
2.1.1 特征提取 | 第25页 |
2.1.2 声学模型 | 第25-26页 |
2.1.3 语言模型 | 第26页 |
2.1.4 词典的组织 | 第26-27页 |
2.1.5 搜索解码 | 第27-29页 |
2.1.6 在 Lattice 上进行关键词搜索 | 第29-31页 |
2.2 基于垃圾模型的关键词识别系统 | 第31-34页 |
2.2.1 发音字典 | 第32页 |
2.2.2 DFA 语法 | 第32-33页 |
2.2.3 关键词检出策略 | 第33-34页 |
2.3 语音关键词识别系统的性能评价指标 | 第34-36页 |
2.3.1 召回率、漏警率和虚警率 | 第35-36页 |
2.3.2 ROC 曲线与 FOM | 第36页 |
2.3.3 DET 曲线与 EER | 第36页 |
2.4 小结 | 第36-37页 |
第三章 基于 MLP 帧级子词后验概率的置信度方法 | 第37-45页 |
3.1 基于似然比检验的置信度方法 | 第37-39页 |
3.1.1 子词似然比特征 | 第38页 |
3.1.2 在线垃圾得分 | 第38-39页 |
3.2 基于 MLP 帧级子词后验概率的置信度算法 | 第39-42页 |
3.2.1 基于子词后验概率的置信度方法 | 第40-41页 |
3.2.2 子词一致性得分 | 第41-42页 |
3.2.3 置信度的融合 | 第42页 |
3.3 实验及结果分析 | 第42-43页 |
3.3.1 实验语料 | 第42页 |
3.3.2 实验结果 | 第42-43页 |
3.4 小结 | 第43-45页 |
第四章 基于 Lattice 后验概率的置信度改进算法 | 第45-53页 |
4.1 基于 Lattice 后验概率的置信度算法 | 第45-47页 |
4.1.1 Lattice 中弧的后验概率 | 第45-46页 |
4.1.2 Lattice 后验概率的不同置信度算法 | 第46-47页 |
4.2 基于 Lattice 后验概率的置信度改进算法 | 第47-49页 |
4.2.1 Lattice 后验概率的不同置信度算法比较 | 第47-48页 |
4.2.2 基于时长和边界信息的置信度算法 | 第48-49页 |
4.3 实验及结果分析 | 第49-51页 |
4.3.1 实验语料 | 第49-50页 |
4.3.2 实验结果 | 第50-51页 |
4.4 小结 | 第51-53页 |
第五章 基于得分修正策略的 SVM 区分性置信度方法 | 第53-59页 |
5.1 区分性置信度及判决 | 第53-54页 |
5.2 基于得分修正策略的 SVM 区分性置信度方法 | 第54-55页 |
5.2.1 基于 SVM 的区分性置信度方法 | 第54-55页 |
5.2.2 针对训练数据不平衡问题采用的得分修正策略 | 第55页 |
5.3 实验及结果分析 | 第55-57页 |
5.3.1 实验一 | 第56-57页 |
5.3.2 实验二 | 第57页 |
5.4 小结 | 第57-59页 |
结束语 | 第59-61页 |
一、论文工作总结 | 第59-60页 |
二、前景和展望 | 第60-61页 |
参考文献 | 第61-66页 |
作者简历 攻读硕士学位期间完成的主要工作 | 第66-67页 |
致谢 | 第67页 |