区分性参数重分配在HMM模型结构优化中的应用
本文介绍一种使用区分性准则更新HMM模型参数，并使模型拓扑结构得到优化的方法。文中分别比较了基于最大互信息准则（Maximum Mutual Information，MMI）和贝叶斯准则（Bayesian Information Criterion，BIC）进行模型参数非均匀分配的方法。在英文数字串（TIDIGITS）识别任务上，将通过上述两种方法得到的优化模型与高斯核均匀分配模型进行性能比较。通过实验结果可以看到，高斯核非均匀分配的模型在使用同等数量总高斯核数目的情况下（模型复杂度一致）的识别结果要优于均匀分配的模型。同时在非均匀分配情况下，基于MMI准则的模型识别效果要优于基于BIC准则的模型。
隐马尔可夫模型 拓扑结构 自动语音识别系统
竺博 鄢志杰 胡郁 王仁华
中国科学技术大学，讯飞语音实验室，安徽合肥，230027，中国
国内会议
安徽黄山
中文
2007-10-21（万方平台首次上网日期，不代表论文的发表时间）