基于决策树的海量语音数据处理与建模
本文提出了一种基于决策树的海量语音数据处理与建模方法,这种方法可以有效地结合语境与非语境信息,并利用决策树方法本身对模型的预测与鲁棒估计特性,对海量语音训练数据进行分类与建模.这种方法包括两部分:利用非语镜特征扩展决策树,生成多套非语境因素相关的高精度声学模型:利用最大似然准则依据少量自适应数据,动态生成测试人相关声学模型.对两个数据集进行测试,相对误识率平均下降8﹪-10﹪,说明了这种方法对海量语音数据处理的有效性.
海量语音数据处理 决策树 声学模型 自适应技术 语音识别系统
丁鹏 徐波
中国科学院自动化研究所,模式识别国家重点实验室
国内会议
深圳
中文
291-294
2001-11-20（万方平台首次上网日期，不代表论文的发表时间）