基于BP_Adaboost和HMM的湖南方言識別方法研究.pdf

1、漢語是目前世界上使用人數(shù)最多，分布廣泛度居第二的語言，隨著中國在全球影響力的增加，世界各國正在興起一股“漢語熱”。中國作為漢語使用人口數(shù)量最多的國家，隨著國內(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、語言學(xué)工程、智能檢索、公共設(shè)施等領(lǐng)域的完善對方言識別技術(shù)的需求越來越大，未來發(fā)展?jié)h語方言識別技術(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湖南地區(qū)方言進(jìn)行辨識及識別

2、。為反映方言的動態(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)，提高了漢語方言識別系統(tǒng)的識別率和抗噪性能。本文在分析Adaboost集成、BPNN、HMM模型的基本理論及算法基礎(chǔ)上提出了方言辨識方法和識別方法。其中一種是將BPNN和Adaboost機(jī)器學(xué)習(xí)算法相結(jié)合的漢語方言辨識方法，先利用多個BP神經(jīng)網(wǎng)絡(luò)作為弱分類器對方言進(jìn)行初步辨識，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)、不同辨識模型情況下辨識率的對比試驗(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辨識方法也具更高的辨識率。
　　 另外一種是將隱馬爾科夫模型與BPAdaboost模型相結(jié)合的漢語方言識別方法。已知按第一種方法獲得到某個方言孤立詞的地域信息后，然后主要利