基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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.实验结果表明了这种新算法的有效性.
推荐文章
基于Baum-Welch算法HMM模型的孤词算法研究
算法理论
Baum-Welch算法
隐Markov模型
随机过程
用遗传算法改进HMM的语音识别算法
隐马尔可夫模型
遗传算法
语音识别
多观察序列连续隐含马尔柯夫模型的无溢出参数重估
隐含马尔柯夫过程
Baum-Welch算法
溢出
定标
页岩气试井分析中Bessel函数溢出问题的解决方法
试井
页岩气
贝塞尔函数
溢出
典型曲线
重新组合计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 消除溢出问题的精确Baum-Welch算法
来源期刊 软件学报 学科 工学
关键词 隐马尔可夫模型 Baum-Welch算法 溢出 语音识别
年,卷(期) 2000,(5) 所属期刊栏目
研究方向 页码范围 707-710
页数 4页 分类号 TP391
字数 699字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡东成 清华大学自动化系 71 1300 18.0 34.0
2 罗予频 清华大学自动化系 46 507 12.0 20.0
3 朱小燕 33 684 11.0 26.0
7 贾宾 清华大学自动化系 2 29 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (20)
同被引文献  (25)
二级引证文献  (54)
1989(2)
  • 参考文献(2)
  • 二级参考文献(0)
2000(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2004(1)
  • 引证文献(1)
  • 二级引证文献(0)
2005(2)
  • 引证文献(2)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(5)
  • 引证文献(1)
  • 二级引证文献(4)
2008(2)
  • 引证文献(1)
  • 二级引证文献(1)
2009(5)
  • 引证文献(3)
  • 二级引证文献(2)
2010(5)
  • 引证文献(0)
  • 二级引证文献(5)
2011(6)
  • 引证文献(4)
  • 二级引证文献(2)
2012(4)
  • 引证文献(2)
  • 二级引证文献(2)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(6)
  • 引证文献(1)
  • 二级引证文献(5)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(10)
  • 引证文献(0)
  • 二级引证文献(10)
2019(8)
  • 引证文献(0)
  • 二级引证文献(8)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
隐马尔可夫模型
Baum-Welch算法
溢出
语音识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件学报
月刊
1000-9825
11-2560/TP
16开
北京8718信箱
82-367
1990
chi
出版文献量(篇)
5820
总下载数(次)
36
总被引数(次)
226394
论文1v1指导