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算法在实际应用中存在算法下溢问题,参考文献1~文献3中都介绍了尺度变换(Scaling)算法以解决该问题.然而这3篇文献的算法公式中存在不同程度的错误.实验结果显示原算法会导致模型训练不收敛或收敛性不好而导致识别率不高.本文分析了这些文献算法公式中存在的问题并推导给出正确公式.使用了修正后算法的语音识别系统有良好的收敛性而且可以获得较高的识别率.
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
基于HMM的说话人识别中下溢问题的修正
隐马尔可夫模型(Hidden Markov Model)
说话人识别
下溢(underflow)
修正
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
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 解决Baum-Welch算法下溢问题的参数重估公式中存在的问题及其更正
来源期刊 声学学报 学科 工学
关键词
年,卷(期) 2001,(5) 所属期刊栏目
研究方向 页码范围 468-475
页数 8页 分类号 TB5
字数 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 李志鹏 1 0 0.0 0.0
2 陈善广 1 0 0.0 0.0
3 薛亮 1 0 0.0 0.0
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  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(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)
引文网络交叉学科
相关学者/机构
期刊影响力
声学学报
双月刊
0371-0025
11-2065/O4
大16开
北京市北四环西路21号
2-181
1964
chi
出版文献量(篇)
2139
总下载数(次)
5
总被引数(次)
26571
论文1v1指导