您的位置： 专家智库 > >

贾宾

作品数：3 被引量：20H指数：2
供职机构：清华大学信息科学技术学院自动化系更多>>
发文基金：国家自然科学基金更多>>
相关领域：电子电信自动化与计算机技术更多>>

合作作者

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇电子电信
  • 1篇自动化与计算...

主题

  • 3篇语音
  • 3篇语音识别
  • 1篇隐马尔可夫模...
  • 1篇声学建模
  • 1篇声学模型
  • 1篇马尔可夫
  • 1篇马尔可夫模型
  • 1篇汉语
  • 1篇汉语语音
  • 1篇汉语语音识别
  • 1篇HMM

机构

  • 3篇清华大学

作者

  • 3篇贾宾
  • 2篇朱小燕
  • 2篇罗予频
  • 2篇胡东成

传媒

  • 1篇清华大学学报...
  • 1篇软件学报

年份

  • 3篇2000
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
消除溢出问题的精确Baum-Welch算法被引量：13
2000年
Baum- Welch算法是在语音领域中用于 HMM( hidden Markov model)模型参数训练的最基本方法之一 .但它在多样本训练时存在着严重的上、下溢问题 ,需要不断地人工介入来调整中间参数 .该文提出了一种新的能消除上、下溢问题的 Baum- Welch改进算法 .该算法不但摆脱了人工介入 ,保证了计算的精度 ,而且不会带来过大的计算和存储要求 .
贾宾朱小燕罗予频tsinghua.edu.cn胡东成
关键词：隐马尔可夫模型语音识别
语音识别的声学建模及其应用研究
该文的研究工作主要集中于语音识别的声学建模方向、语音确认方向以及汉语声调识别方向:声学建模方向:1.提出改进型连续分段概率模型(MSPM).提出半国宫续分段概率模型2.(SCSPM).半连续段概率模型的核心是所有状态共享...
贾宾
关键词：语音识别声学模型
基于状态驻留时间的汉语语音分段概率模型被引量：6
2000年
为了解决分段概率模型 (SPM)因缺少对时间信息描述而带来的建模精度低的问题 ,提出了状态驻留分段概率模型 (SDSPM)。SDSPM中包含了用伽玛分布表示的状态驻留概率 ,以刻划语音的时间特征。此驻留概率相当于隐马尔可夫模型 (HMM)中的状态转移概率 ,但使 SDSPM描述语音时间特征的能力强于 HMM。SDSPM既改善了 SPM的模型性能 ,同时又避免了 HMM的计算复杂度问题。测试实验证明了 SDSPM模型在汉语语音识别中的有效性。
贾宾朱小燕罗予频胡东成
关键词：汉语语音识别HMM
全选 清除 导出
共1页<1>
聚类工具0