智能系统学报
智能繫統學報
지능계통학보
CAAI TRANSACTIONS ON INTELLIGENT SYSTEMS
2007年
1期
80-84
,共5页
区分性训练%隐马尔科夫模型%易混集%最大交互信息
區分性訓練%隱馬爾科伕模型%易混集%最大交互信息
구분성훈련%은마이과부모형%역혼집%최대교호신식
传统的隐马尔科夫模型(HMM)的训练方法基于统计概率的最大似然准则(MLE),在训练样本数El足够大的情况下,这种方法在理论上可以得到最优的结果.在手语识别研究中,采集足够大的训练样本十分困难.区分性训练可以很好地弥补由于训练样本的缺乏以及手语模型之间的近似而造成的识别系统的缺陷.最大交互信息准则(MMIE)作为区分性训练准则的一种已经被广泛的应用于语音识别领域.文中通过合理的构建手语识别中的竞争模型和易混集,提出了MMIE准则的改进形式,并将其应用于特定人与非特定人手语识别.实验证明,使用改进的MMIE准则对识别系统性能有很大的提高.
傳統的隱馬爾科伕模型(HMM)的訓練方法基于統計概率的最大似然準則(MLE),在訓練樣本數El足夠大的情況下,這種方法在理論上可以得到最優的結果.在手語識彆研究中,採集足夠大的訓練樣本十分睏難.區分性訓練可以很好地瀰補由于訓練樣本的缺乏以及手語模型之間的近似而造成的識彆繫統的缺陷.最大交互信息準則(MMIE)作為區分性訓練準則的一種已經被廣汎的應用于語音識彆領域.文中通過閤理的構建手語識彆中的競爭模型和易混集,提齣瞭MMIE準則的改進形式,併將其應用于特定人與非特定人手語識彆.實驗證明,使用改進的MMIE準則對識彆繫統性能有很大的提高.
전통적은마이과부모형(HMM)적훈련방법기우통계개솔적최대사연준칙(MLE),재훈련양본수El족구대적정황하,저충방법재이론상가이득도최우적결과.재수어식별연구중,채집족구대적훈련양본십분곤난.구분성훈련가이흔호지미보유우훈련양본적결핍이급수어모형지간적근사이조성적식별계통적결함.최대교호신식준칙(MMIE)작위구분성훈련준칙적일충이경피엄범적응용우어음식별영역.문중통과합리적구건수어식별중적경쟁모형화역혼집,제출료MMIE준칙적개진형식,병장기응용우특정인여비특정인수어식별.실험증명,사용개진적MMIE준칙대식별계통성능유흔대적제고.