基于主动学习机制的声学模型扩充方法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.1.1 背景 | 第11-12页 |
| 1.1.2 主动学习机制 | 第12页 |
| 1.1.3 意义 | 第12页 |
| 1.2 国内外研究现状和分析 | 第12-15页 |
| 1.2.1 语音识别研究的历史和现状 | 第12-13页 |
| 1.2.2 面向模型不匹配问题的研究工作 | 第13-14页 |
| 1.2.3 主动学习研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 第2章 语音识别系统框架 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 语音识别系统框架 | 第16-17页 |
| 2.3 前端处理 | 第17-18页 |
| 2.4 隐马尔可夫模型 | 第18-20页 |
| 2.4.1 模型获得 | 第19-20页 |
| 2.4.2 解码 | 第20页 |
| 2.5 统计语言模型 | 第20-22页 |
| 2.5.1 简介 | 第20-21页 |
| 2.5.2 平滑处理 | 第21-22页 |
| 2.5.3 语言模型评价 | 第22页 |
| 2.6 连续语音识别解码算法 | 第22-26页 |
| 2.6.1 Viterbi 帧同步解码算法 | 第23-24页 |
| 2.6.2 剪枝策略 | 第24页 |
| 2.6.3 令牌传递算法 | 第24-26页 |
| 2.7 音素为基元的语音识别系统 | 第26-27页 |
| 2.7.1 语音识别系统基元 | 第26页 |
| 2.7.2 实验数据结果及分析 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第3章 声学模型扩充 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 模型扩充方法 | 第28-29页 |
| 3.3 MAP 自适应 | 第29-32页 |
| 3.4 基于 MAP 的音素模型扩充 | 第32-40页 |
| 3.4.1 音素声学模型扩充框架 | 第32页 |
| 3.4.2 MAP 自适应语料获得 | 第32-33页 |
| 3.4.3 MAP 自适应获得新模型 | 第33-34页 |
| 3.4.4 添加新模型 | 第34页 |
| 3.4.5 重新构建识别器 | 第34-37页 |
| 3.4.6 实验结果及分析 | 第37-40页 |
| 3.5 音节形式的异构基元模型扩充 | 第40-45页 |
| 3.5.1 音节声学模型扩充框架 | 第40-41页 |
| 3.5.2 错误音节语料收集 | 第41-42页 |
| 3.5.3 错误音节语料管理 | 第42页 |
| 3.5.4 获得异构音节基元 | 第42-43页 |
| 3.5.5 重新构建识别器 | 第43-44页 |
| 3.5.6 实验结果及分析 | 第44-45页 |
| 3.6 新模型入口惩罚机制 | 第45-46页 |
| 3.6.1 添加模型入口惩罚 | 第45-46页 |
| 3.6.2 实验结果及分析 | 第46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 基于主动学习机制的语音识别系统 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 主动学习机制 | 第48-49页 |
| 4.3 基于主动学习机制的语音识别系统框架 | 第49-53页 |
| 4.3.1 音节基元在线声学模型扩充 | 第50-52页 |
| 4.3.2 实验结果及分析 | 第52-53页 |
| 4.4 基于后验概率置信度的在线声学模型扩充 | 第53-59页 |
| 4.4.1 音节 Lattice | 第53-55页 |
| 4.4.2 置信测度 | 第55-56页 |
| 4.4.3 利用后验概率置信度累积错误语料 | 第56页 |
| 4.4.4 获得音素基元模型 | 第56-57页 |
| 4.4.5 实验结果及分析 | 第57-58页 |
| 4.4.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
