

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于ADABOOST和BP的車標(biāo)識別方法研究.pdf
- 基于PCA和BP_Adaboost強(qiáng)分類器的人臉識別研究.pdf
- 基于AdaBoost和BP神經(jīng)網(wǎng)絡(luò)的車牌識別方法研究.pdf
- 基于Adaboost和SVM的車牌識別方法研究.pdf
- 基于HMM和ANN的基因識別方法.pdf
- 基于Adaboost和SVM的車標(biāo)識別方法研究.pdf
- 基于HMM模型的眉毛識別方法研究.pdf
- 基于HMM和運(yùn)動軌跡的動態(tài)手勢識別方法研究.pdf
- 基于bp_adaboost算法的上市公司財務(wù)預(yù)警研究
- 基于改進(jìn)PSO的BP_Adaboost算法的優(yōu)化與改進(jìn).pdf
- 基于神經(jīng)網(wǎng)絡(luò)和HMM的眉毛識別方法研究.pdf
- 基于HMM模型的人臉識別方法研究.pdf
- 基于小波MFCC和HMM的列車鳴笛識別方法研究.pdf
- 基于bp_adaboost的強(qiáng)分類器設(shè)計-公司財務(wù)預(yù)警建模
- 基于HMM模型的順式調(diào)控模塊識別方法的研究.pdf
- 基于VQ-HMM的說話人識別方法研究.pdf
- 基于HMM的轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別方法研究.pdf
- 基于HMM噪聲背景下的語音識別方法的研究.pdf
- 基于ANN-HMM的時序模式識別方法研究.pdf
- 基于HHT-HMM血細(xì)胞信號識別方法的研究.pdf
評論
0/150
提交評論