计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2000年
2期
60-62
,共3页
语音识别%动态时间规整%隐马尔可夫模型%Fisher算法
語音識彆%動態時間規整%隱馬爾可伕模型%Fisher算法
어음식별%동태시간규정%은마이가부모형%Fisher산법
语音识别中,动态时间规整(Dynamic Time Warping,简称DTW)和隐马尔可夫模型(Hidden Markov Model,简称HMM)是最有效的两种识别算法,并且DTW和HMM在本质上是一致的[1].根据DTW和HMM的本质联系和各自所对应的声学模型,在前期工作中建立了一种广义声学模型[2][3](General Model,简称GM),并指出DTW和HMM只是GM的特例,且DTW和HMM都可以转化为GM.并在此基础上,首次将Fisher算法[4]引进GM的学习算法,确保了GM状态分割的收敛性,并且这种分割在最小离差意义上是全局精确最优的.最后,从大数定理的角度出发,对GM算法的收敛性进行了分析,从理论上论证了该算法的依概率收敛性,并为实际应用中GM算法的有效性提供了理论依据.
語音識彆中,動態時間規整(Dynamic Time Warping,簡稱DTW)和隱馬爾可伕模型(Hidden Markov Model,簡稱HMM)是最有效的兩種識彆算法,併且DTW和HMM在本質上是一緻的[1].根據DTW和HMM的本質聯繫和各自所對應的聲學模型,在前期工作中建立瞭一種廣義聲學模型[2][3](General Model,簡稱GM),併指齣DTW和HMM隻是GM的特例,且DTW和HMM都可以轉化為GM.併在此基礎上,首次將Fisher算法[4]引進GM的學習算法,確保瞭GM狀態分割的收斂性,併且這種分割在最小離差意義上是全跼精確最優的.最後,從大數定理的角度齣髮,對GM算法的收斂性進行瞭分析,從理論上論證瞭該算法的依概率收斂性,併為實際應用中GM算法的有效性提供瞭理論依據.
어음식별중,동태시간규정(Dynamic Time Warping,간칭DTW)화은마이가부모형(Hidden Markov Model,간칭HMM)시최유효적량충식별산법,병차DTW화HMM재본질상시일치적[1].근거DTW화HMM적본질련계화각자소대응적성학모형,재전기공작중건립료일충엄의성학모형[2][3](General Model,간칭GM),병지출DTW화HMM지시GM적특례,차DTW화HMM도가이전화위GM.병재차기출상,수차장Fisher산법[4]인진GM적학습산법,학보료GM상태분할적수렴성,병차저충분할재최소리차의의상시전국정학최우적.최후,종대수정리적각도출발,대GM산법적수렴성진행료분석,종이론상론증료해산법적의개솔수렴성,병위실제응용중GM산법적유효성제공료이론의거.
