基于目标驱动的多层MLLR自适应算法
本文在对基于自适应回归树的极大似然线性变换(MLLR变换)算法的深刻分析的基础上,提出一种基于目标驱动的多层MLLR新算法.这种算法基于目标驱动的原则,引入反馈机制,根据目标函数似然概率的增加来动态决定MLLR变换的变换类,大大提高了系统的识别率.并且由于这种算法的特殊多层结构,算法在具有较高的自适应精度的同时还具有较快的自适应速度.经过此算法自适应过后的系统识别率比基于自适应回归树的MLLR算法自适应过后的系统的识别率提高24﹪,自适应速度也比基于自适应回归树的MLLR算法快近一倍.
自适应 自适应回归树 极大似然线性变换 语音识别
贾磊 徐波
中科院自动化所国家模式识别实验室(北京)
国内会议
北京
中文
391-397
2001-02-01（万方平台首次上网日期，不代表论文的发表时间）