作者:潘复平; 赵庆卫; 颜永红语音识别无监督自适应最大似然线性回归词网后验概率
摘要:介绍了一种基于词网的最大似然线性回归(Lattice—MLLR)无监督自适应算法,并进行了改进。Lattice—MLLR是根据解码得到的词网估计MLLR变换参数,词网的潜在误识率远小于识别结果,因此可以使参数估计更为准确。Lattice—MLLR的一个很大缺点是计算量极大,较难实用,对此本文提出了两个改进技术:(1)利用后验概率压缩词网;(2)利用单词的时间信息限制状态统计量的计算范围。实验测定Lattice—MLLR的误识率比传统MLLR相对下降了3.5%,改进技术使Lattice—MLLR计算量下降幅度超过了87.9%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社