您的位置: 专家智库 > >

国家高技术研究发展计划(2006AA01Z149)

作品数:3 被引量:5H指数:2
相关作者:吴及苏腾荣王作英吕萍李伟更多>>
相关机构:清华大学更多>>
发文基金:国家高技术研究发展计划“十一五”国家科技攻关计划更多>>
相关领域:电子电信文化科学自动化与计算机技术更多>>

文献类型

  • 3篇期刊文章
  • 1篇会议论文

领域

  • 3篇电子电信
  • 1篇自动化与计算...
  • 1篇文化科学

主题

  • 3篇语音
  • 3篇语音识别
  • 3篇解码
  • 2篇词图
  • 1篇隐马尔可夫模...
  • 1篇自适
  • 1篇自适应
  • 1篇马尔可夫
  • 1篇马尔可夫模型
  • 1篇解码算法
  • 1篇解说
  • 1篇混合模型
  • 1篇高斯
  • 1篇高斯混合
  • 1篇高斯混合模型
  • 1篇HMM模型

机构

  • 4篇清华大学

作者

  • 3篇吴及
  • 2篇王智国
  • 2篇李伟
  • 1篇吕萍
  • 1篇王作英
  • 1篇孙怿
  • 1篇欧智坚
  • 1篇苏腾荣

传媒

  • 1篇清华大学学报...
  • 1篇计算机应用与...
  • 1篇计算机工程与...

年份

  • 1篇2010
  • 2篇2009
  • 1篇2008
3 条 记 录,以下是 1-4
排序方式:
一种快速的语音识别词图生成算法被引量:2
2009年
词图的高效生成算法是语音识别领域的重要研究课题。该文提出了一种基于词格的词图生成算法(trellis-based lattice-generating algorithm,TBLG),该算法在正向Viterbi解码生成的词格(trellis)基础上,进行反向A*解码生成词图。实验结果表明,与经典的解码器HDecode相比,TBLG生成的词图最优备选效果优于Hdecode。生成高密度词图时,TBLG在解码速度上远远快于HDecode。同时在相同识别率下,TBLG算法生成的词图更加简洁。
李伟吴及王智国
关键词:语音识别词图解码
利用无监督自适应的兴奋解说检测和体育比赛精彩片断提取
2008年
提出一种通过兴奋解说检测进行体育比赛精彩片断提取的方法。该方法包括训练和检测两个阶段:在训练中,基于训练数据对兴奋语音和普通语音分别建立高斯混合模型GMM(Gaussian Mixture Model),构成初始的分类器;在集外检测中,首先使用最大后验方法MAP(Maximum A Posteriori),基于测试数据对初始模型进行无监督自适应,进而利用更新后模型构成分类器识别体育解说的兴奋部分,经进一步处理得到精彩片断。将该方法用于足球比赛视频,实验表明,该方法能够召回87%的进球。引入无监督自适应有效地减少了由干训练数据与测试数据失配造成的性能下降,提高了兴奋解说检测和精彩片段提取的性能。
孙怿欧智坚胡炜
关键词:高斯混合模型
一种快速的语音识别词图生成算法
作为语音识别结果的表现形式之一,词图(Lattice)以其紧凑的结构被广泛应用于大词表连续语音识别、语音检索等系统中。词图的高效生成算法同时成为了语音识别领域一个研究课题。本文提出了一种基于词格的词图生成算法(Trell...
李伟吴及王智国
关键词:语音识别词图解码
文献传递
利用空间相关性的改进HMM模型被引量:3
2010年
语音识别领域中所采用的经典HMM模型,忽略了语音信号间的相关信息。针对这一问题,利用语音信号的空间相关性对经典HMM模型进行补偿,得到一种改进模型。该方法通过空间相关变换,描述了当前语音特征与历史数据之间的空间相关性,从而对联合状态输出分布进行建模。改进模型的解码算法利用空间相关性变换的参数更新算法在经典HMM的解码算法基础上得到。实验结果表明,上述方法在说话人无关连续语音识别系统上获得了明显的性能改进。
苏腾荣吴及王作英吕萍
关键词:语音识别隐马尔可夫模型解码算法
共1页<1>
聚类工具0