漢語(yǔ)語(yǔ)音識(shí)別中決策樹(shù)參數(shù)聚類(lèi)及結(jié)構(gòu)調(diào)整方法研究.pdf

1、隨著現(xiàn)代通信技術(shù)的飛速發(fā)展，語(yǔ)音識(shí)別具有巨大的應(yīng)用前景，涉及的領(lǐng)域非常廣泛。在發(fā)達(dá)國(guó)家，一些基于中小詞匯、特定領(lǐng)域的語(yǔ)音識(shí)別產(chǎn)品已經(jīng)投入使用，如聲控電話(huà)撥號(hào)系統(tǒng)、語(yǔ)音記事本、電話(huà)服務(wù)、語(yǔ)音查詢(xún)等等。但是在大詞匯量連續(xù)語(yǔ)音識(shí)別方面，距離理想的語(yǔ)音識(shí)別性能仍有相當(dāng)?shù)木嚯x。因此，非特定人、大詞匯量連續(xù)語(yǔ)音識(shí)別已成為目前研究的熱點(diǎn)和難點(diǎn)，許多相關(guān)的問(wèn)題需要深入探討。本文從系統(tǒng)和算法的角度出發(fā)，以提高模型參數(shù)訓(xùn)練的魯棒性和系統(tǒng)識(shí)別性能為主要目的，

2、對(duì)基于語(yǔ)音學(xué)決策樹(shù)參數(shù)聚類(lèi)、決策樹(shù)結(jié)構(gòu)調(diào)整和快速說(shuō)話(huà)人自適應(yīng)等方面做了重點(diǎn)研究。 本文首先研究了基于語(yǔ)音學(xué)決策樹(shù)參數(shù)聚類(lèi)問(wèn)題。一方面，針對(duì)傳統(tǒng)決策樹(shù)狀態(tài)聚類(lèi)受稀少三音子的影響，聚類(lèi)后捆綁狀態(tài)數(shù)過(guò)多、節(jié)點(diǎn)數(shù)據(jù)平衡性差等問(wèn)題，提出了語(yǔ)音學(xué)決策樹(shù)分級(jí)狀態(tài)聚類(lèi)算法。該算法首先對(duì)稀少三音子進(jìn)行處理，然后對(duì)決策樹(shù)葉節(jié)點(diǎn)進(jìn)行加權(quán)合并。另一方面，針對(duì)決策樹(shù)對(duì)應(yīng)狀態(tài)間的高斯混合參數(shù)存在重疊現(xiàn)象，為提高參數(shù)訓(xùn)練的魯棒性，本文采用高斯參數(shù)聚類(lèi)的策略。

3、由于人們通過(guò)聽(tīng)覺(jué)器官識(shí)別語(yǔ)音信號(hào)的過(guò)程具有一定的模糊性，使得模糊集的思想在語(yǔ)音識(shí)別中得到廣泛應(yīng)用，并取得很好的效果。因此，本文將模糊聚類(lèi)思想引入模型的參數(shù)聚類(lèi)，利用模糊等價(jià)矩陣完成模型高斯參數(shù)聚類(lèi)，并利用模糊聚類(lèi)軟聚類(lèi)的特點(diǎn)構(gòu)建異音混合共享模型。 接著，本文針對(duì)訓(xùn)練語(yǔ)料與測(cè)試語(yǔ)料的決策樹(shù)結(jié)構(gòu)不匹配會(huì)對(duì)系統(tǒng)性能和說(shuō)話(huà)人自適應(yīng)造成影響，首先通過(guò)研究識(shí)別結(jié)果中狀態(tài)之間發(fā)生的混淆情況，提出了利用調(diào)整決策樹(shù)葉節(jié)點(diǎn)(狀態(tài))結(jié)構(gòu)的算法，橫向地

4、對(duì)決策樹(shù)結(jié)構(gòu)進(jìn)行調(diào)整，從而減少由于這種結(jié)構(gòu)不匹配造成的識(shí)別率降低。狀態(tài)結(jié)構(gòu)調(diào)整算法的基本思想是：1)利用訓(xùn)練語(yǔ)料對(duì)狀態(tài)結(jié)構(gòu)調(diào)整可以提高模型本身的精度；2)在此基礎(chǔ)上利用自適應(yīng)語(yǔ)料對(duì)狀態(tài)結(jié)構(gòu)調(diào)整可以使決策樹(shù)結(jié)構(gòu)包含更多的測(cè)試人信息。然后，在研究不同復(fù)雜度的語(yǔ)音學(xué)決策樹(shù)對(duì)系統(tǒng)性能和說(shuō)話(huà)人自適應(yīng)影響的基礎(chǔ)上，本文提出了一種決策樹(shù)剪枝算法——基于最小描述長(zhǎng)度準(zhǔn)則的決策樹(shù)動(dòng)態(tài)剪枝。該算法利用訓(xùn)練充分的決策樹(shù)作為初始模型，根據(jù)自適應(yīng)語(yǔ)料的數(shù)量動(dòng)態(tài)地

5、選擇不同復(fù)雜度的模型。決策樹(shù)剪枝時(shí)初始模型的合理選擇，自適應(yīng)語(yǔ)料的充分利用以及最小描述長(zhǎng)度準(zhǔn)則對(duì)隨機(jī)模型和確定性模型的集成，使得這種決策樹(shù)動(dòng)態(tài)剪枝算法與說(shuō)話(huà)人自適應(yīng)相結(jié)合時(shí)取得了較好的識(shí)別結(jié)果。 本文最后對(duì)快速說(shuō)話(huà)人自適應(yīng)問(wèn)題進(jìn)行了研究。在討論了最大后驗(yàn)概率估計(jì)算法、最大似然線(xiàn)性回歸算法以及最大似然模型插值算法優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了變換矩陣線(xiàn)性插值算法，并將該算法與最大后驗(yàn)概率估計(jì)相結(jié)合。這種結(jié)合的算法憑借轉(zhuǎn)移矩陣線(xiàn)性插值算法滿(mǎn)