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:
隐马尔可夫模型(Hidden Markov Model,简称HMM)作为语音信号处理的一种统计模型,在语音处理各个领域中获得了广泛的应用.HMM是在Markov链的基础上发展起来的.由于实际问题比Markov链模型所描述的更为复杂,观测到的观察值并不是与状态一一对应,而是通过一组概率分布相联系,这样的模型就称为HMM.
推荐文章
一种改进的隐马尔可夫模型在语音识别中的应用
隐马尔可夫模型
异步隐马尔可夫模型
语音识别
EM训练算法
隐马尔可夫模型在步态识别中的应用研究
步态识别
隐马尔可夫模型
k-均值聚类
溢出
基于隐马尔可夫模型的连续语音同步识别系统
隐马尔可夫模型
连续语音识别
同步识别
信号处理
人机交互
系统结构设计
基于离散隐马尔科夫模型的语音识别技术
语音识别
隐马尔科夫模型
动态时间规整
人工神经网络
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 浅析隐马尔可夫模型在语音识别中的应用
来源期刊 数字化用户 学科
关键词 隐马尔可夫模型 HMM 语音信号处理 Markov链
年,卷(期) 2017,(46) 所属期刊栏目 综合论坛
研究方向 页码范围 262
页数 1页 分类号
字数 1970字 语种 中文
DOI 10.3969/j.issn.1009-0843.2017.46.237
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 马静 11 2 1.0 1.0
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  (1)
同被引文献  (0)
二级引证文献  (0)
2017(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
隐马尔可夫模型
HMM
语音信号处理
Markov链
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
数字化用户
周刊
1009-0843
51-1567/TN
16开
四川省成都市
1999
chi
出版文献量(篇)
46696
总下载数(次)
249
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
数字化用户2017年第9期 数字化用户2017年第8期 数字化用户2017年第7期 数字化用户2017年第6期 数字化用户2017年第52期 数字化用户2017年第51期 数字化用户2017年第50期 数字化用户2017年第5期 数字化用户2017年第49期 数字化用户2017年第48期 数字化用户2017年第47期 数字化用户2017年第46期 数字化用户2017年第45期 数字化用户2017年第44期 数字化用户2017年第43期 数字化用户2017年第42期 数字化用户2017年第41期 数字化用户2017年第40期 数字化用户2017年第4期 数字化用户2017年第39期 数字化用户2017年第38期 数字化用户2017年第37期 数字化用户2017年第36期 数字化用户2017年第35期 数字化用户2017年第34期 数字化用户2017年第33期 数字化用户2017年第32期 数字化用户2017年第31期 数字化用户2017年第30期 数字化用户2017年第3期 数字化用户2017年第29期 数字化用户2017年第28期 数字化用户2017年第27期 数字化用户2017年第26期 数字化用户2017年第25期 数字化用户2017年第24期 数字化用户2017年第23期 数字化用户2017年第22期 数字化用户2017年第21期 数字化用户2017年第20期 数字化用户2017年第2期 数字化用户2017年第19期 数字化用户2017年第18期 数字化用户2017年第17期 数字化用户2017年第16期 数字化用户2017年第15期 数字化用户2017年第14期 数字化用户2017年第13期 数字化用户2017年第12期 数字化用户2017年第11期 数字化用户2017年第10期 数字化用户2017年第1期
论文1v1指导