摘要 | 第1-4页 |
ABSTRACT | 第4-10页 |
第一章 绪论 | 第10-20页 |
§1.1 语音识别 | 第10-11页 |
§1.1.1 简介 | 第10-11页 |
§1.1.2 发展简史 | 第11页 |
§1.2 基于HMM的语音识别系统 | 第11-16页 |
§1.2.1 信号处理 | 第12-13页 |
§1.2.2 声学模型 | 第13-14页 |
§1.2.3 语言模型 | 第14-15页 |
§1.2.4 解码器 | 第15-16页 |
§1.3 存在的问题与解决方案 | 第16-18页 |
§1.4 本文的组织结构 | 第18-20页 |
第二章 基于HMM的声学模型 | 第20-34页 |
§2.1 HMM模型 | 第20-27页 |
§2.1.1 HMM数学定义 | 第20-22页 |
§2.1.2 HMM模型分类 | 第22-24页 |
§2.1.3 HMM模型的基本问题 | 第24-27页 |
§2.2 声学模型 | 第27-31页 |
§2.2.1 建模单元 | 第28-29页 |
§2.2.2 参数绑定 | 第29-31页 |
§2.3 本章小结 | 第31-34页 |
第三章 最小分类错误训练 | 第34-50页 |
§3.1 贝叶斯决策理论 | 第34-35页 |
§3.2 最小分类错误训练 | 第35-40页 |
§3.2.1 MCE分类器设计策略 | 第36-37页 |
§3.2.2 基于MCE的HMM模型训练 | 第37-40页 |
§3.3 实验结果 | 第40-45页 |
§3.3.1 TiDigits上的实验结果 | 第41-44页 |
§3.3.2 RM上的实验结果 | 第44-45页 |
§3.4 子空间分布聚类HMM的MCE训练 | 第45-49页 |
§3.4.1 子空间分布聚类HMM及其MCE训练 | 第45-47页 |
§3.4.2 实验结果 | 第47-49页 |
§3.5 本章小结 | 第49-50页 |
第四章 基于区分性特征提取的特征降维 | 第50-62页 |
§4.1 常用降维方法 | 第50-53页 |
§4.1.1 主分量分析 | 第50-51页 |
§4.1.2 线形判别分析 | 第51-53页 |
§4.1.3 PCA和LDA变换的降维性能 | 第53页 |
§4.2 基于区分性特征提取的特征降维 | 第53-57页 |
§4.2.1 区分性特征提取 | 第54-55页 |
§4.2.2 特征降维变换的梯度计算 | 第55-56页 |
§4.2.3 实验结果 | 第56-57页 |
§4.3 集去相关与降维于一体的特征提取 | 第57-61页 |
§4.3.1 DFE框架下LDA变换的三种形式 | 第58-59页 |
§4.3.2 LDA变换与DCT变换的比较 | 第59-60页 |
§4.3.3 新特征提取方法的降维效果 | 第60-61页 |
§4.4 本章小结 | 第61-62页 |
第五章 声学模型各状态高斯分布数的优化分配 | 第62-76页 |
§5.1 基于似然度的分配方法 | 第62-64页 |
§5.2 基于BIC的确定方法 | 第64-65页 |
§5.3 基于Kullback-Leibler散度的分配方法 | 第65-68页 |
§5.3.1 Kullback-Leibler散度及其近似计算方法 | 第66-67页 |
§5.3.2 基于KLD的分配方法 | 第67-68页 |
§5.4 基于状态间分散度的分配方法 | 第68-72页 |
§5.4.1 易混淆状态集的获取 | 第70页 |
§5.4.2 基于状态间分散度的分配方法 | 第70-72页 |
§5.5 实验结果 | 第72-75页 |
§5.5.1 RM上的实验结果 | 第72-74页 |
§5.5.2 TiDigits上的实验结果 | 第74-75页 |
§5.6 本章小结 | 第75-76页 |
第六章 特征维高斯核的优化聚类与非均一分配 | 第76-90页 |
§6.1 已有方法存在的问题与解决办法 | 第76-77页 |
§6.2 高斯核的优化聚类 | 第77-79页 |
§6.3 高斯核的非均一分配 | 第79-85页 |
§6.3.1 基于KLD的非均一分配 | 第80-82页 |
§6.3.2 基于似然度的非均一分配 | 第82-85页 |
§6.4 实验结果 | 第85-89页 |
§6.4.1 RM上的实验结果 | 第85-87页 |
§6.4.2 汉语股票名数据库上的实验结果 | 第87-89页 |
§6.5 本章小结 | 第89-90页 |
第七章 结束语 | 第90-94页 |
§7.1 论文的工作 | 第90-92页 |
§7.2 进一步的研究方向 | 第92-94页 |
参考文献 | 第94-106页 |
附录:英文缩写 | 第106-108页 |
致谢 | 第108-110页 |
简要研究经历 | 第110-112页 |
已发表论文 | 第112页 |