基于HMM-SVM混合架構(gòu)的連續(xù)語音識(shí)別系統(tǒng)的研究.pdf

1、隱馬爾可夫模型對(duì)動(dòng)態(tài)時(shí)間序列有很強(qiáng)的建模能力，在參數(shù)、結(jié)構(gòu)和訓(xùn)練方法的選擇上有很大的靈活性，成為目前主流的語音識(shí)別方法。然而，隱馬爾可夫模型受極大似然準(zhǔn)則的限制，類別區(qū)分能力較弱，其結(jié)果反映的是同類樣本的相似度。支持向量機(jī)(SVM)是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，適合處理分類問題，其輸出結(jié)果體現(xiàn)了異類樣本間的差異，具有很強(qiáng)的分類能力。本文研究的重點(diǎn)就是如何將兩者有機(jī)的結(jié)合起來應(yīng)用到大詞表、非特定人連續(xù)語音識(shí)別

2、之中。
　　本文首先介紹了連續(xù)語音識(shí)別相關(guān)技術(shù)及其發(fā)展現(xiàn)狀，然后研究了隱馬爾可夫理論以及基于隱馬爾可夫模型的連續(xù)語音識(shí)別系統(tǒng)的框架，并闡述了隱馬爾可夫理論在語音識(shí)別應(yīng)用方面的缺陷；接著討論了支持向量機(jī)的統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)及支持向量機(jī)在模式識(shí)別方面的應(yīng)用，并分析了支持向量機(jī)在處理連續(xù)信號(hào)時(shí)需要解決的問題；最后將支持向量機(jī)引入基于隱馬爾可夫模型的連續(xù)語音識(shí)別系統(tǒng)框架之中，用在語音識(shí)別的后處理方面，在對(duì)原有系統(tǒng)改動(dòng)較小的情況下，很好的結(jié)合