(3.238.7.202) 您好!臺灣時間:2021/03/04 20:49
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:高曉雯
研究生(外文):GAO, XIAO-WEN
論文名稱:使用欄位間相關連的半馬可夫模式之國語音節辨認
論文名稱(外文):Research on a frame-correlated hidden semi-markov model and its application on mandarin syllable recognition
指導教授:陳信宏陳信宏引用關係
指導教授(外文):CHEN, XING-HONG
學位類別:碩士
校院名稱:國立交通大學
系所名稱:電信研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1992
畢業學年度:80
語文別:中文
論文頁數:58
中文關鍵詞:欄位間半馬可夫模式國語音節辨認
相關次數:
  • 被引用被引用:0
  • 點閱點閱:115
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
在本論文中,我們提出了一個新的半隱藏式馬可夫模式 (HSMM) 的語音辨認方法。
它和傳統的半隱藏式馬可夫模式 (HSMM) 的不同點在于加入了連續欄位的相互關係
于每個狀態特徵函數的模組中。現在,一個狀態的特徵向量序列是用一連串的期望
值相關連的高斯分佈來模組。對于每一個特徵單位,我們使用一條用正交展開 (
orthogonal expansion) 得到的平滑曲線來模組其狀態的高斯分佈的期望值函數。
在關念上,這些平滑的期望值函數可當做代表這個狀態語音段的參考標準值,而其
差值是不同的語音或發音情況的變化量。此方法之使用度已被408 個語音節,多語
者的辨認模擬確認。實驗結果顯示,新方法在辨認的正確率上比傳統的HSMM好 5﹪


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔