|
|
|
| 论文题目 |
基于网络的无监督MLLR自适应算法实现及改进 |
| 论文题目（英文） |
|
| 作者 |
潘复平 |
| 发表年度 |
2007 |
| 卷 |
22 |
| 期 |
1 |
| 页码 |
p8-13 |
| 期刊名称 |
数据采集与处理 |
| 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%. |
| 摘要_英文 |
|
|
|
|
