对经典隐马尔可夫模型的经验性改进

• 作者: 李星 郝杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 年，卷（期）: 2001,（11）
• 所属期刊栏目: 博士论坛
• 页码范围: 24-25,100
• 页数: 3页
• 分类号: TP912.3
• 字数: 2727字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2001.11.010

摘要

文章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,经验性的惩罚概率法是稳健的、且更有效的补偿方法.实验结果还指出在最优惩罚概率下,经典HMM达到了与非齐次的基于段长分布的HMM(Duration Distribution Based HMM,DDBHMM)几乎相同的识别率,证明了齐次假设并不影响经典HMM在实用中的重要性.文章提出了一种改进Baum-Welch重估算法的初值的经验方法,用于HMM参数的估计,在汉语连续语音识别实验中一致性地降低了音节误识率.关健词语音识别经典HMM 齐次假设段长惩罚概率 Baum-Welch重估初值

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	清华大学电子工程系	163	2416	25.0	45.0
2	郝杰	清华大学电子工程系	10	109	7.0	10.0