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
