使用全連接神經網絡結合Softmax分類器對漢語的408個音節(jié)建立音節(jié)分類器,利用等長處理后的特征向量訓練Softmax分類器,將Softmax分類器輸出概率作為后驗概率圖,與隱馬爾科夫補白模型（HMM/Filler）進行第一次融合,得到子后驗概率圖隱馬爾科夫模型（Posteriorgram-HMM）.針對關鍵詞訓練樣本較少的問題,將標注樣本進行強制切分,得到HMM每個狀態(tài)上的訓練數(shù)據.將隱馬爾科夫最大后驗概率基線模型（HMM-MAP）與Posteriorgram-HMM進行第二次融合,提出最大后驗概率圖隱馬爾科夫模型（Posteriorgram-HMM-MAP）.在數(shù)據集上訓練模型后,使用測試數(shù)據對其進行測試.結果表明:Posteriorgram-HMM-MAP的綜合識別率相比PosteriorgramHMM提升了3.55%,相比HMM/Filler提升了10.29%. 

【文章來源】：浙江大學學報(工學版). 2020,54(06)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]基于深度神經網絡的關鍵詞識別系統(tǒng)[J]. 孫彥楠,夏秀渝.  計算機系統(tǒng)應用. 2018(05)
[2]基于雙門限算法的端點檢測改進研究[J]. 王滿洪,張二華,王明合.  計算機與數(shù)字工程. 2017(11)
[3]基于改進MFCC特征的語音識別算法[J]. 邵明強,徐志京.  微型機與應用. 2017(21)
[4]基于Viterbi改進算法的漢語數(shù)碼語音識別系統(tǒng)[J]. 陳潔群.  微型機與應用. 2017(14)
[5]基于DTW的語音關鍵詞檢出[J]. 侯靖勇,謝磊,楊鵬,肖雄,梁祥智,徐海華,王磊,呂航,馬斌,CHNG EngSiong,李海洲.  清華大學學報(自然科學版). 2017(01)
[6]基于離散HMM的非特定人關鍵詞提取語音識別系統(tǒng)[J]. 汪鵬,劉加,劉潤生.  吉林大學學報(理學版). 2003(03)

博士論文
[1]語音關鍵詞識別技術的研究[D]. 孫成立.北京郵電大學 2008



本文編號：3203478