動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)及其在說話人識(shí)別中的應(yīng)用.pdf

1、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)(DBN)是以概率網(wǎng)絡(luò)為基礎(chǔ),綜合原來(lái)的靜態(tài)網(wǎng)絡(luò)結(jié)構(gòu)和時(shí)間信息而形成的具有處理時(shí)序特征數(shù)據(jù)能力的新的隨機(jī)模型,具有可解釋性、非線性、可擴(kuò)展性等特性,能較容易的融合新的知識(shí),具有對(duì)事物進(jìn)行完整的表達(dá)、推導(dǎo)和學(xué)習(xí)的能力.DBN本身的理論也尚未完全成熟,現(xiàn)在的應(yīng)用也非常少,但是它的優(yōu)越特性以及模型的一般性,已經(jīng)引起了越來(lái)越多的研究者的關(guān)注,尤其是在時(shí)序數(shù)據(jù)處理領(lǐng)域.該文針對(duì)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)本身的理論框架及其在說話人識(shí)別中的應(yīng)用,主

2、要做了下面這些工作:該文系統(tǒng)地研究和實(shí)現(xiàn)了動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)框架內(nèi)所必須具備的基礎(chǔ)算法,包括靜態(tài)概率網(wǎng)絡(luò)下的拓?fù)滢D(zhuǎn)換、交叉樹的生成、以及全局概率擴(kuò)散的算法;同時(shí)研究了動(dòng)態(tài)網(wǎng)絡(luò)推導(dǎo)中的邊界算法和鄰接算法,實(shí)現(xiàn)了動(dòng)態(tài)網(wǎng)絡(luò)推導(dǎo)的前向后向遍歷算法;該文還討論了DBN中的參數(shù)學(xué)習(xí)和結(jié)構(gòu)學(xué)習(xí)的幾種情況,實(shí)現(xiàn)了用于語(yǔ)音處理中的拓?fù)湟阎?觀測(cè)未完全的EM算法.該文對(duì)DBN和HMM進(jìn)行了拓?fù)浣Y(jié)構(gòu)上的對(duì)比,在介紹幾種典型的HMM基礎(chǔ)上,討論了DBN和HMM互相

3、轉(zhuǎn)換的可能性以及如何進(jìn)行轉(zhuǎn)換的過程,同時(shí)比較了兩種方法在推導(dǎo)和學(xué)習(xí)上的差別以及各自算法復(fù)雜度的差別,最后給出了實(shí)驗(yàn)的證明,說明DBN為什么適合處理語(yǔ)音這類具有很強(qiáng)時(shí)序性,而且數(shù)據(jù)量大的數(shù)據(jù)集.該文提出了基于DBN的說話人識(shí)別框架,論述了如何通過DBN,對(duì)說話人識(shí)別的應(yīng)用進(jìn)行系統(tǒng)的訓(xùn)練和測(cè)試最后,我們通過YOHO語(yǔ)料集的實(shí)驗(yàn)測(cè)試,把我們的方法跟常規(guī)的向量量化(VQ)、單高斯(Single Gaussion)、高斯混合模型(GMM)、隱馬爾

4、可夫模型(HMM)進(jìn)行對(duì)比,說明了我們的框架在說話人識(shí)別中的優(yōu)越性,同時(shí)也說明了DBN用于說話人這個(gè)特定領(lǐng)域的可行性.最后,該文提出了在數(shù)據(jù)層、特征層和決策層上,進(jìn)行基于DBN的信息融合框架.特別的,我們把基音信息和聲學(xué)特征進(jìn)行了多種方式的融合,相比于常規(guī)的把基音信息和聲學(xué)特征進(jìn)行簡(jiǎn)單組合的方法,性能得到了很大的提高.盡管作者一直致力于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的研究,但該文的工作僅僅是一個(gè)初步,仍有很多東西值得繼續(xù)探討.后續(xù)工作可以包括研究DBN