位置:成果数据库 > 期刊 > 期刊详情页
鉴别性最大后验概率线性回归说话人自适应研究
  • ISSN号:1001-0645
  • 期刊名称:《北京理工大学学报》
  • 时间:0
  • 分类:TN912.3[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:[1]北京理工大学信息与电子学院,北京100081, [2]中国科学院声学研究所中国科学院语言声学与内容理解重点实验室,北京100190, [3]河北师范大学物理科学与信息工程学院,河北石家庄050024
  • 相关基金:国家自然科学基金资助项目(10925419,90920302,61072124,11074275,11161140319,91120001,61271426); 中国科学院战略性先导科技专项(XDA06030100,XDA06030500); 国家“八六三”计划项目(2012AA012503); 中科院重点部署项目(KGZD-EW-103-2)
中文摘要:

为增强自适应后的声学模型的鉴别能力,提出了一种基于最大互信息(MMI)的鉴别性最大后验概率线性回归(MMI-DMAPLR)说话人自适应方法.将最大互信息准则和最大后验概率(MAP)准则相结合,设计了一个新的目标函数来估计基于线性变换的自适应方法中的变换参数,在最大后验概率估计中加入了鉴别性.大词汇量连续语音识别的实验结果表明,新方法在增强声学模型与测试数据的匹配性的同时,可以有效提高声学模型的鉴别能力,在少量自适应数据的情况下,其性能比最大后验概率线性回归(MAPLR)相对提高4.8%.

英文摘要:

In order to increase the discriminative capability of the adapted acoustic model,the maximum mutual information based discriminative maximum a posteriori linear regression(MMI-DMAPLR) adaptation method was proposed.Combining the maximum mutual information criterion with maximum a posteriori(MAP)criterion,a new objective function was designed to estimate the transform parameters of adaptation method based on the linear transformation,to increase the discriminative capability in maximum a posteriori estimation.The experimental results in large vocabulary continuous recognition show that the proposed method can both enhance the match degree between the acoustic model and the test data and the discriminative power of acoustic model.Compared with maximum a posteriori linear regression(MAPLR),the proposed method can obtain 4.8%relative reduction in word error rate when the amount of data is limited.

同期刊论文项目
期刊论文 32 会议论文 7
期刊论文 81 会议论文 59
期刊论文 111 会议论文 69 获奖 6
同项目期刊论文
期刊信息
  • 《北京理工大学学报》
  • 北大核心期刊(2011版)
  • 主管单位:中华人民共和国工业和信息化部
  • 主办单位:北京理工大学
  • 主编:黄风雷
  • 地址:北京海淀区中关村南大街5号
  • 邮编:100081
  • 邮箱:blgzw@bit.edu.cn
  • 电话:010-68912326 68913988
  • 国际标准刊号:ISSN:1001-0645
  • 国内统一刊号:ISSN:11-2596/T
  • 邮发代号:82-502
  • 获奖情况:
  • 全国优秀高等学校自然科学学报及教育部优秀科技期...,首届国家期刊奖提名奖,中文核心期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),英国英国皇家化学学会文摘,中国北大核心期刊(2000版)
  • 被引量:17163