2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于模型混淆度的模型组合算法研究

吴娅辉 刘刚 郭军

吴娅辉, 刘刚, 郭军. 基于模型混淆度的模型组合算法研究. 自动化学报, 2009, 35(5): 551-555. doi: 10.3724/SP.J.1004.2009.00551
引用本文: 吴娅辉, 刘刚, 郭军. 基于模型混淆度的模型组合算法研究. 自动化学报, 2009, 35(5): 551-555. doi: 10.3724/SP.J.1004.2009.00551
WU Ya-Hui, LIU Gang, GUO Jun. Research on Model Combination Based on Model Confusion. ACTA AUTOMATICA SINICA, 2009, 35(5): 551-555. doi: 10.3724/SP.J.1004.2009.00551
Citation: WU Ya-Hui, LIU Gang, GUO Jun. Research on Model Combination Based on Model Confusion. ACTA AUTOMATICA SINICA, 2009, 35(5): 551-555. doi: 10.3724/SP.J.1004.2009.00551

基于模型混淆度的模型组合算法研究

doi: 10.3724/SP.J.1004.2009.00551
详细信息
    通讯作者:

    吴娅辉

  • 中图分类号: TP391.4

Research on Model Combination Based on Model Confusion

More Information
    Corresponding author: WU Ya-Hui
  • 摘要: 传统的声学模型训练算法如最大似然估计(Maximum likelihood estimation, MLE), 在训练时只考虑了模型自身而没有考虑模型之间的相互影响. 为了进一步提升模型的识别效果, 区分性训练算法被提出. 本文在最小音素错误(Minimum phone error, MPE)区分性训练算法的基础上提出一种基于模型间混淆程度进行模型组合的算法: 针对单混合分量模型, 依据模型间混淆程度对MLE和MPE的模型进行加权组合; 针对多混合分量模型, 提出一种模型选择的算法来获取新的模型参数. 实验表明, 与MPE算法相比, 对单分量的情况, 该算法可以使系统的误识率相对降低4%左右; 对于多分量的情况, 该算法可以使系统的误识率相对降低3%左右.
  • 加载中
计量
  • 文章访问数:  2668
  • HTML全文浏览量:  82
  • PDF下载量:  1039
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-06-18
  • 修回日期:  2008-09-18
  • 刊出日期:  2009-05-20

目录

    /

    返回文章
    返回