基于无监督学习的语音签到系统

• 作者: 李明明 赵从健 雷菊阳
• 来源期刊: 软件
• 学科: 工学
• 关键词: 语音识别 签到系统 无监督学习 DBN-HMM
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 183-187
• 页数: 5页
• 分类号: TN912.3|TP183
• 字数: 3565字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2019.12.041

摘要

针对语音签到系统在实际运用中识别率较低的问题,从提高对标签缺失数据的利用角度出发,提出一种利用无监督学习来提高识别率的方法.该方法基于深度置信网络隐马尔可夫混合模型(DBN-HMM),利用受限波尔茨曼机(RBM)为无监督学习提取特征参数,接着利用深度置信网络(DBN)得到对原始数据的观测概率.隐马尔可夫(HMM)据此通过前向算法求出数据的似然概率,并将概率值最大的类别作为识别结果.实验表明,使用DBN-HMM模型可以有效利用存在标签缺失的数据,提高语音签到系统的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷菊阳	上海工程技术大学机械与汽车工程学院	26	80	5.0	8.0
2	赵从健	上海工程技术大学机械与汽车工程学院	5	1	1.0	1.0
3	李明明	上海工程技术大学机械与汽车工程学院	5	1	1.0	1.0