基于BP_Adaboost和HMM的湖南方言識(shí)別方法研究.pdf

1、漢語(yǔ)是目前世界上使用人數(shù)最多，分布廣泛度居第二的語(yǔ)言，隨著中國(guó)在全球影響力的增加，世界各國(guó)正在興起一股“漢語(yǔ)熱”。中國(guó)作為漢語(yǔ)使用人口數(shù)量最多的國(guó)家，隨著國(guó)內(nèi)經(jīng)濟(jì)發(fā)展的與日俱增、都市化的步伐加快，不同城市之間的人與人交流日益頻繁，一些如公共信息安全、語(yǔ)言學(xué)工程、智能檢索、公共設(shè)施等領(lǐng)域的完善對(duì)方言識(shí)別技術(shù)的需求越來越大，未來發(fā)展?jié)h語(yǔ)方言識(shí)別技術(shù)的潛力和契機(jī)也將無限廣闊。
　　 本文著眼于非特定人孤立詞對(duì)湖南地區(qū)方言進(jìn)行辨識(shí)及識(shí)別

2、。為反映方言的動(dòng)態(tài)特性及其聲道特性，采用LPCC、MFCC和各自一階差分系數(shù)組合成代表方言的48維混合特征參數(shù)，提高了漢語(yǔ)方言識(shí)別系統(tǒng)的識(shí)別率和抗噪性能。本文在分析Adaboost集成、BPNN、HMM模型的基本理論及算法基礎(chǔ)上提出了方言辨識(shí)方法和識(shí)別方法。其中一種是將BPNN和Adaboost機(jī)器學(xué)習(xí)算法相結(jié)合的漢語(yǔ)方言辨識(shí)方法，先利用多個(gè)BP神經(jīng)網(wǎng)絡(luò)作為弱分類器對(duì)方言進(jìn)行初步辨識(shí)，再借助Adaboost迭代算法將這些BPNN合并起來

3、構(gòu)成分類精度更高的強(qiáng)分類器，這種方言辨識(shí)方法利用了Adaboost的自適應(yīng)權(quán)值提升了BPNN的分類能力。通過建立在不同信噪比、不同特征參數(shù)、不同辨識(shí)模型情況下辨識(shí)率的對(duì)比試驗(yàn)，結(jié)果表明混合特征參數(shù)較其他特征參數(shù)具有更好的表征性及抗噪性，基于BPAdaboost辨識(shí)方法也具更高的辨識(shí)率。
　　 另外一種是將隱馬爾科夫模型與BPAdaboost模型相結(jié)合的漢語(yǔ)方言識(shí)別方法。已知按第一種方法獲得到某個(gè)方言孤立詞的地域信息后，然后主要利