基于NN/HMM混合模型的汉语短关键词识别系统

本文介绍了针对汉语单音节验证的分类器.与以往的方法相比较本文作了两项改进:一是按照汉字的发音特点和声学特征来构造识别器中的填充模型;二是结合HMM的统计特性和神经元网络(NN)的分类能力来对假想命中进行验证,NN的输入不是传统的特征矢量,而是一系列HMM的输出概率和模型驻留时间.实验表明,新方法比两个基准模型分别有15.2%和19.2%的提高.     

基于ANN/HMM混合模型汉语大词表连续语音识别系统

提出一种基于隐马尔可夫模型(Hidden Markov model,HMM)和人工神经网络(Artificial Neural Network,ANN)混合模型的汉语大词表连续语音识别系统.在混合模型系统中,多种模型协同工作.ANN负责建模音素发音物理特性,HMM联合语言学模型识别待识语料.这样,混合模型系统能够结合HMM和ANN两种模型的优点:HMM对时间序列结构建模能力强;ANN的非线性预测能力强,建模能力强,鲁棒性,便于硬件实现.实验结果表明,HMM/ANN混合模型系统有效结合了两种模型的优点,提高了识别率.     

基于HMM的汉语文本识别后处理琛

本文用ＨＭＭ描述汉语文本识别后处理,将汉语语言和单字识别这两个概率模型结合起来,以充分利用单字识别器提供的信息。语言模型的参数由语料库统计得到：单字识别模型的参数为条件概率,经理论分析,它要转化为后难事概率来求解。在分析训练样本集单字识别结果的基础上,提出一种统计方法估计候选字的后验概率。ＨＭＭ在脱机手写体汉语文本识别中的实验表明,后处理性能除取决于语言模型外,还取决于后验概率的精确估计。     

基于混合模型HMM/RBF的数字语音识别

提出一种离散隐马尔科夫模型（hidden Markov model,HMM)和径向基函数（radial basis function,RBF)神经网络相结合应用于汉语数码语音识别（Mmandarin Ddigit Speech Recognition,MDSR)的方法，同时采用了一系列改进方法，使汉语数码语音的识别率达到了99．7％。     

基于HMM和遗传神经网络的语音识别系统

本文提出了一种基于隐马尔可夫(HMM)和遗传算法优化的反向传播网络(GA-BP)的混合模型语音识别方法。该方法首先利用HMM对语音信号进行时序建模,并计算出语音对HMM的输出概率的评分,将得到的概率评分作为优化后反向传播网络的输入,得到分类识别信息,最后根据混合模型的识别算法作出识别决策。通过Matlab软件对已有的样本数据进行训练和测试。仿真结果表明,由于设计充分利用了HMM时间建模能力强和GA-BP神经网络分类能力强等特点,该混合模型比单纯的HMM具有更强的抗噪性,克服了神经网络的局部最优问题,大大提高了识别的速度,明显改善了语音识别系统的性能。     

基于HMM模型的语音拨号系统设计

基于HMM模型的语音拨号系统的设计。论述了采用HMM模型的数字命令连接词识别方法,以及将语音识别模块嵌入PTOS的方法。     

ANN/HMM混合模型中状态数的自适应确定方法研究

本文在分析了固定状态数目来确定模型状态数的方法的缺陷之后,提出了一种根据训练样本具体形态来自动增加或减少模型状态数目的方法。其中的增加状态实质是将原状态拆分成两个新状态,而被分割的是建摸精度不够的状态。而删除状态就是将状态从原模型中删除,并重新连接被删除状态两端的状态。被删除的状态是帧数相对较少的,这样的状态可以被合并到与其相临的状态当中。     

汉语连续语音识别中经典HMM的实验评测

定量地分析与评价经典隐马尔可夫模型（Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ,ＨＭＭ）的性能,是汉语连续语音识别研究中尚未解决并且亟需解决的问题。文章构造了基于经典ＨＭＭ模型的汉语连续语音识别系统。针对语音单元和输出概率这两个自由度上的各种组合,研究了经典ＨＭＭ模型的复杂度、稳健性、精确性与训练集合的数据量、训练时间、解码效率等特性之间的关系;并且通过实验分析了多候选的构造和剪枝的意义。该文构造的系统与具有国内最高水平的 ＴＨＥＥＳＰ系统的识别率相当,所得实验结果和结论为汉语语音识别的深入研究提供了必要的参考和依据。     

基于高斯混合模型的汉语方言辨识系统

建立了一个基于高斯混合模型的汉语方言辨识系统,并给出了模型参数的估计方法,讨论了特征参数和高斯混合数对系统辨识的影响,实验结果表明,系统对同一省内的三种不同方言的辨识率平均可以达到84.17%。     

基于SOFM/HMM模型的非特定人手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音。目前最新发展水平的手语识别系统在实际应用中应该解决非特定人手语识别问题。该文在分析非特定人手语识别特点－数据多且差异大、模型训练难收敛、对不同人数据的特征提取需求更迫切－的基础上，提出了SOFM／HMM模型，将自组织特征映射（SOFM）很强的特征提取功能和隐马可夫模型（HMM）良好的处理时间序列属性结合在一个新颖的框架下，并把该模型应用到非特定人中国手语识别中，实验结果表明，SOFM／HMM模型手语识别率比传统的HMM模型提高近5％。     

基于变帧率训练的HMM汉语人名识别

本文针对语音识别中HMM模型需要大量训练,而在某些实际应用中不可能训练多次的问题,提出一种基于余弦整形变换的变帧率训练方法,并在人名声控拨号系统中进行实验,在训练一次的条件下,系统识别率提高4.2%。实验表明,该方法对解决语音识别系统中训练数据少的问题具有明显效果。     

ANN／HMM混合模型在语音识别中的应用

结合HMM较强的处理时间序列的能力以及ANN的学习能力强、识别速度快等特点提出了一种ANN／HMM混合模型,该模型具有较强的处理时问序列的能力。本文主要介绍了该模型的结构以及模型的训练算法。在此基础上将其应用于语音识别的建模,并通过相应实验验证了该模型的可行性。     

汉语连续数字串语音识别系统

汉语数字串在语音识别中具有重要的地位,文章设计实现了一个实用化的汉语连续数字串语音识别系统,并针对汉语数字混淆度大的特点进行了分析,提出了模型改进和语速控制策略,使系统具有很好的整体性能。     

基于系统调用的混合HMM/MLP异常检测模型

首先描述了基于隐马尔可夫模型(HMM)的异常检测方法并指出其缺点．然后提出了一种将多层感知机(MLP)用作HMM的概率估计器的方法,以克服HMM方法的不足．最后建立了一个基于系统调用的混合HMM/MLP异常检测模型,并给出了该模型的训练和检测算法．实验结果表明,该混合系统的漏报率和误报率都低于HMM方法．     

基于HMM的京剧机构命名实体识别算法

针对机构命名实体识别效率低的问题,提出一种基于隐马尔科夫模型(HMM)的京剧机构命名实体识别算法.利用HMM模型标注文本切分结果的词性消除歧义,通过Viterbi算法计算某种分词结果所对应的可能性最大的词性序列.根据定制的名称识别规则,借助机构前缀词库、后缀词库获得机构名称左右边界,通过自动机算法识别语料中的机构命名实体,并将新词加载到分词词典中.针对京剧领域语料进行开放测试验证,结果表明,该算法的识别正确率可达到99％.     

基于ANN和HMM的联机手写体汉字识别系统

为了解决联机手写体汉字笔划顺序、笔划数目及笔划形状变化问题,提出了一种新的联机手写体汉字识别方法:人工神经网络(ANN)和隐马尔可夫模型(HMM)相结合的汉字识别方法,首先通过BP神经网络进行笔划识别,再通过笔划类型和笔划间位置关系的隐马尔可夫模型进行整字识别。实验证明,该联机手写体汉字识别系统具有较高地识别准确率。     

基于VQ/CDHMM的噪声环境下汉语口令识别研究

该文研究了基于改进VQ/HMM模型的语音识别方法,设计实现了基于该模型的汉语口令识别系统;研究了鲁棒性特征参数问题,提出了一些新的基于MFCC和LPCC的高维动态参数;分别进行了纯净语音和不同信噪比语音的识别实验,分析比较了不同类型特征参数、训练状态数和高斯混合度对该系统识别性能的影响。在此基础上得出了以下结论:在加性白噪声的情况下,使用高维动态参数明显提高了系统的鲁棒性;在汉语两字组的短语音(口令)识别中,状态数取4,混合度取3时实验结果较好;利用不同特征参数的优势,进行信息融合,是提高系统性能的一个很好选择。     

基于GEP的非线性系统辨识算法

基因表达式编程(GEP)是一种基于基因组和表现型组的新型遗传算法,本文提出了一种基于GEP的非线性系统辨识算法。针对非线性系统的特点,本文基于GEP建模作了如下工作:在对象的结构和参数未知的情况下,首先进行参数恒定时的系统辨识,然后进行运行期间非线性环节参数发生变化时的辨识。实验结果表明该算法能够更加迅速的得出非线性部分直观近似的数学表达式,比用遗传编程(GP)优越两个数量级以上,是一种有效可行的算法。