模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
6期
822-828
,共7页
卢恒%凌震华%雷鸣%戴礼荣%王仁华
盧恆%凌震華%雷鳴%戴禮榮%王仁華
로항%릉진화%뢰명%대례영%왕인화
隐马尔可夫模型(HMM)%语音合成%决策树聚类%最小描述距离(MDL)%交叉验证(CV)
隱馬爾可伕模型(HMM)%語音閤成%決策樹聚類%最小描述距離(MDL)%交扠驗證(CV)
은마이가부모형(HMM)%어음합성%결책수취류%최소묘술거리(MDL)%교차험증(CV)
为改善决策树聚类的效果,避免可能出现的聚类模型过训练或欠训练的情况,提出一种基于最小生成误差以及通过交叉验证优化最小描述距离(MDL)因子选取的方法.文中通过计算交叉验证中的生成误差选择MDL因子,从而优化决策树大小.实验结果表明,此方法相对传统的固定MDL门限设定方法,更有效提升合成语音的音质和自然度.
為改善決策樹聚類的效果,避免可能齣現的聚類模型過訓練或欠訓練的情況,提齣一種基于最小生成誤差以及通過交扠驗證優化最小描述距離(MDL)因子選取的方法.文中通過計算交扠驗證中的生成誤差選擇MDL因子,從而優化決策樹大小.實驗結果錶明,此方法相對傳統的固定MDL門限設定方法,更有效提升閤成語音的音質和自然度.
위개선결책수취류적효과,피면가능출현적취류모형과훈련혹흠훈련적정황,제출일충기우최소생성오차이급통과교차험증우화최소묘술거리(MDL)인자선취적방법.문중통과계산교차험증중적생성오차선택MDL인자,종이우화결책수대소.실험결과표명,차방법상대전통적고정MDL문한설정방법,경유효제승합성어음적음질화자연도.
