语音识别中广义模型及其算法收敛性分析

• 作者: 余志刚 张杰 黄志同
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 语音识别 动态时间规整 隐马尔可夫模型 Fisher算法
• 年，卷（期）: 2000,（2）
• 所属期刊栏目: 学术探讨
• 页码范围: 60-62
• 页数: 3页
• 分类号: TP3
• 字数: 3051字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2000.02.020

摘要

语音识别中,动态时间规整(Dynamic Time Warping,简称DTW)和隐马尔可夫模型(Hidden Markov Model,简称HMM)是最有效的两种识别算法,并且DTW和HMM在本质上是一致的[1].根据DTW和HMM的本质联系和各自所对应的声学模型,在前期工作中建立了一种广义声学模型[2][3](General Model,简称GM),并指出DTW和HMM只是GM的特例,且DTW和HMM都可以转化为GM.并在此基础上,首次将Fisher算法[4]引进GM的学习算法,确保了GM状态分割的收敛性,并且这种分割在最小离差意义上是全局精确最优的.最后,从大数定理的角度出发,对GM算法的收敛性进行了分析,从理论上论证了该算法的依概率收敛性,并为实际应用中GM算法的有效性提供了理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄志同	南京理工大学自动化系	14	118	4.0	10.0
2	张杰	南京理工大学自动化系	10	104	3.0	10.0
3	余志刚	南京理工大学自动化系	1	1	1.0	1.0