基于非参贝叶斯方法的声学单元建模技术及其应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 无监督声学单元发现技术发展历程及现状 | 第14-18页 |
| 1.2.1 基于参数贝叶斯的声学单元建模 | 第14-16页 |
| 1.2.2 基于非参贝叶斯的声学单元建模 | 第16-18页 |
| 1.3 论文的研究内容和结构安排 | 第18-22页 |
| 1.3.1 研究内容 | 第18-20页 |
| 1.3.2 论文组织结构 | 第20-22页 |
| 第二章 基于多语言的声学单元发现 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 基于非参贝叶斯方法的声学单元发现 | 第22-30页 |
| 2.2.1 声学特征 | 第22-25页 |
| 2.2.2 HAC预分段 | 第25页 |
| 2.2.3 DPHMM模型介绍 | 第25-30页 |
| 2.3 实验结果及分析 | 第30-32页 |
| 2.3.1 实验设置 | 第30-31页 |
| 2.3.1.1 实验语料 | 第30页 |
| 2.3.1.2 实验参数设置 | 第30-31页 |
| 2.3.2 实验结果及分析 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于多语言任务的口语词的一次性学习 | 第33-44页 |
| 3.1 引言 | 第33-34页 |
| 3.2 系统框架 | 第34-41页 |
| 3.2.1 HHMM模型介绍 | 第34-37页 |
| 3.2.2 模型参数推导 | 第37-40页 |
| 3.2.2.1 初始化模型参数 | 第37页 |
| 3.2.2.2 采样语音分段tb片段标签ic | 第37-39页 |
| 3.2.2.3 采样模型参数 | 第39-40页 |
| 3.2.3 模型训练 | 第40页 |
| 3.2.4 一次性学习分类任务 | 第40-41页 |
| 3.3 实验结果及分析 | 第41-43页 |
| 3.3.1 实验设置 | 第41-42页 |
| 3.3.1.1 实验语料 | 第41-42页 |
| 3.3.1.2 实验参数设置 | 第42页 |
| 3.3.2 实验结果及分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于非参贝叶斯方法的语言学层次结构发现 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 语言学结构发现模型 | 第44-48页 |
| 4.2.1 音素单元发现 | 第45-46页 |
| 4.2.2 音素变化性建模 | 第46-47页 |
| 4.2.3 音节和词汇单元学习 | 第47-48页 |
| 4.2.4 生成过程 | 第48页 |
| 4.3 实验结果及分析 | 第48-51页 |
| 4.3.1 实验设置 | 第48-49页 |
| 4.3.2 实验结果及分析 | 第49-51页 |
| 4.3.2.1 分析发现的词单元 | 第49-50页 |
| 4.3.2.2 音素和词汇单元间的协同学习 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 基于变分贝叶斯方法的声学单元发现 | 第53-61页 |
| 5.1 引言 | 第53页 |
| 5.2 系统框架 | 第53-57页 |
| 5.2.1 变分贝叶斯模型介绍 | 第53-54页 |
| 5.2.2 模型参数推导 | 第54-55页 |
| 5.2.3 估计隐含变量的分布 | 第55-56页 |
| 5.2.4 重估计后验参数 | 第56-57页 |
| 5.3 实验结果及分析 | 第57-59页 |
| 5.3.1 实验设置 | 第57-58页 |
| 5.3.2 实验结果及分析 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结 | 第61-63页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 进一步研究方向 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 作者简历 | 第71页 |
