__2017-12-11 如一模式识别研究

如一模式识别研究

语音识别>>语音识别方法

转自:经典的语音识别方法中两种概率生成模型(Generative Model)即GMM和HMM具有最好的识别性能,目前已经得到广泛应用,因此通过这些模型构建适合语音的核成为首选

高斯混合模型和隐马尔可夫模型在语音识别方面已经取得了很好的应用。但是从原理上看,这两个模型有其缺陷:第一,高斯混合模型和隐马尔可夫模型 适合处理连续信号,其目的是对连续信号进行建模,并非是针对分类问题;第二,高斯混合模型和隐马尔可夫模型受极大似然准则的限制,类别区分能力较弱,其结 果反映了同该类样本的相似度,而判别式的训练方法则体现了异类样本间的差异,具有很强的分类能力。支持向量机则建立了一种分类算法的框架,从理论上对分类 性能做了保证,是一种优秀的基于判别式训练的模式识别方法。

不管是DTW,VQ,GMM还是HMM,都是通过匹配的方法寻找测试语音与训练语音之间的最佳近似。它们考虑的都是语音之间的相似性,并且不考虑语音特征向量之间的相关性。因此这些模型有着先天的缺陷,尤其是在类与类之间区别比较小时分类性能将会迅速下降。而判别式的训练 (Discriminative Training)方法则会考虑类与类之间的区别,例如判别函数,神经网络,以及近年来出现的支持向量机(Support Vector Machine, SVM),高斯过程(Gaussian Processing,GP),条件随机场(Conditional Random Field,CRF)等。目前支持向量机是具有最好的分类性能的判别式分类器之一,并且随着贯序最小优化(Sequential Minimal Optimization, SMO)等训练算法的成熟,SVM已经可以应用于大数据量样本的训练和测试。因此如何将SVM应用于语音分类成为重要课题。

评论留言区

:
  

作者: 游客 ; *
评论内容: *
带*号为必填项目

如一模式识别更新提示

matlab在图像处理方面的应用有更新

如一模式识别 友情链接

关于本站作者     chinaw3c     mozilla