参数共享在语音识别中的应用  

Parameter sharing in speech recognition

作　　者：郭锐[1] 朱小燕[1] 

机构地区：[1]清华大学计算机科学与技术系,智能技术与系统国家重点实验室,北京100084

出　　处：《清华大学学报（自然科学版）》2002年第10期1374-1376,共3页Journal of Tsinghua University(Science and Technology)

基　　金：国家自然科学基金资助项目 ( 6 9982 0 0 5) ;国家重点基础研究发展计划项目 ( G19980 30 50 7);高等学校骨干教师资助计划赞助

摘　　要：参数共享是基于隐 Markov模型 (hidden Markovmodel,HMM)的语音识别系统的参数训练中的一个关键性问题 ,因此在语音识别的诸多领域中都有重要的应用。对参数共享的作用及其使用的聚类算法进行了分析研究 ,在此基础上提出改进合并分级聚类算法 ,并将其应用于 HMM的状态捆绑。实验表明 ,一个大规模词汇量的孤立词语音识别器采用 HMM的状态捆绑后 ,可以大大缩减识别过程的时空消耗 。Parameter sharing is a key element in the training of speech recognition systems based on hidden Markov model (HMM) with important applications in many fields of speech recognition. This paper analyzes the use of parameter sharing and corresponsive clustering algorithms. A modified agglomerative hierarchical clustering algorithm was developed for HMM state tying. Experiments show that the time and space cost of the recognition is significantly reduced with only a small loss in accuracy with a large vocabulary isolated word recognizer using HMM state tying.

关 键 词：语音识别 隐MARKOV模型 参数共享 聚类算法 状态捆绑 参数训练 

分 类 号：TN912.34[电子电信—通信与信息系统]