Liên kết xu hướng trong mô hình HMM dựa trên đặc trưng phân đoạn

Young-Sun Yun1
1Electronic Information and Communication Engineering,School of Information Technology and Multimedia Engineering, Hannam University, Daejeon, South Korea

Tóm tắt

Chúng tôi trình bày một phương pháp giảm số lượng tham số trong mô hình HMM dựa trên đặc trưng phân đoạn (SFHMM). Nếu SFHMM cho kết quả tốt hơn CHMM, số lượng tham số sẽ lớn hơn CHMM. Do đó, cần có một cách tiếp cận mới để giảm số lượng tham số. Tương tự, quỹ đạo có thể được tách biệt thành xu hướng và vị trí. Vì xu hướng có nghĩa là sự biến đổi của các đặc trưng phân đoạn và chiếm một phần lớn của SFHMM, nếu xu hướng được chia sẻ, số lượng tham số của SFHMM có thể giảm xuống. Phương pháp được đề xuất chia sẻ phần xu hướng của các quỹ đạo thông qua phân loại. Các thí nghiệm được thực hiện trên tập hợp dữ liệu TIMIT để kiểm tra hiệu quả của việc liên kết xu hướng. Kết quả thực nghiệm cho thấy hiệu suất của nó gần như tương đương với các nghiên cứu trước đó. Để đạt được kết quả tốt hơn với số lượng tham số ít, các điều kiện khác nhau cho các thành phần quỹ đạo phải được xem xét.

Từ khóa

#Hidden Markov models #Speech #Polynomials #Information technology #Electronic mail #Quantization #Linear systems #Working environment noise #Gaussian distribution #Feature extraction

Tài liệu tham khảo

10.1109/ICSLP.1996.607155 gales, 1993, Segmental Hidden Markov Models, Proc 6th European Conf on Speech Communication and Technology, 1579 10.1006/csla.1998.0048 10.1109/89.536930 10.1016/S0167-6393(01)00047-4 10.1109/97.844631 10.1109/ICASSP.1993.319337 deng, 1992, A generalized hidden Markov model with state-conditioned trend functions of time for the speech signal, Signal Processing, 27, 65, 10.1016/0165-1684(92)90112-A