作者:
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:
分析了经典隐马尔可夫模型(Hidden Markov Model, HMM)齐次假设的理论缺陷,以及两种非齐次HMM.语音识别对比实验表明,惩罚概率法是稳健的、且更有效的补偿方法.
推荐文章
基于隐马尔可夫模型的文本情感分析
隐马尔可夫模型
情感分类
AdaBoost算法
基于隐马尔可夫模型的运动目标轨迹识别
轨迹识别
运动分析
行为模式
隐马尔可夫模型
基于改进隐马尔可夫模型的网络动态风险评估
风险评估
隐马尔可夫模型(HMM)
蚁群算法
Snort系统
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 惩罚概率对经典隐马尔可夫模型(HMM)齐次假设的补偿
来源期刊 声学学报 学科 数学
关键词
年,卷(期) 2001,(4) 所属期刊栏目
研究方向 页码范围 381-382
页数 2页 分类号 O1
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 李星 163 2416 25.0 45.0
2 郝杰 10 109 7.0 10.0
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (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