一种基于区分性准则的模型结构优化方法-中文信息学报.PDFVIP

第 22 卷 　第 2 期 中文信息学报 Vol . 22 , No . 2 2008 年 3 月 J OU RN AL O F C H IN ESE IN FO RMA T ION PROCESSIN G Mar . , 2008 文章编号 : (2008) 一种基于区分性准则的模型结构优化方法 鄢志杰 , 胡 郁 , 王仁华 ( 中国科学技术大学 电子工程与信息科学系 讯飞语音实验室 安徽 合肥 230027) 摘 　要 : 本文提出了一种基于区分性准则的模型结构优化方法 ,用以调整 HMM 自动语音识别系统中声学模型各 状态混合高斯核成分数量的分配 。通过优化选定的准则 ,声学模型可以在使用相同参数数量的情况下得到更好的 识别性能 ,也可以在保持相当性能的前提下降低所需要的模型参数 。相对于传统的基于似然度及复杂度惩罚的模 型结构优化准则来讲 ,基于区分性准则的优化方法能够更直接地提高模型的区分度和鉴别力 ,从而得到更好的识 别效果 。在一个面向嵌入式系统的中文连续数字串识别任务上的实验结果证明 ,基于最大互信息量准则的模型结 构优化能够得到比传统的、基于模型似然度及复杂度的方法更好的识别效果 。 关键词 : 计算机应用 ; 中文信息处理 ; 自动语音识别 ;声学模型 ;模型结构优化 中图分类号 : TN 9 12 . 34 　　　文献标识码 : A A Discriminative Model Topology Optimization Method YAN Zhij ie , HU Yu ,WAN G Renhua (i Flyt ek Sp eech L ab , U niver sit y of Science and Technology of China , Hefei , Anhui 230027 , China) Abstract : Thi s p ap er p resent s a model topolo gy op timization met hod based on di scriminative crit erion , to adj u st t he kernel number of Mixt ure Gau ssian in Hidden Markov Model ( HMM) st at es for automatic sp eech reco gnition . Wit h t he op timized selection crit erion , we can get bett er reco gnition p erformance wit h t he same amount of p aramet er s in acou stic mo del , or can reduce t he amount of p aramet er s while maint aining a comp arable p erformance . Comp ared wit h conventional met hods which are ba sed on likelihoo d or comp lexit y reduction algorit hm s , t he met ho d p ropo sed in t he p ap er can imp rove t he di scrimination of acou stic mo del more directly , and can imp rove t he final reco gnition p erformance . E