找回密码
 注册
关于网站域名变更的通知
查看: 392|回复: 1
打印 上一主题 下一主题

[毕业设计] 自动发音错误检测中基于最大化 F1值准则的 区分性特征补偿训练算法

[复制链接]
  • TA的每日心情
    慵懒
    2020-8-28 15:16
  • 签到天数: 3 天

    [LV.2]偶尔看看I

    跳转到指定楼层
    1#
    发表于 2021-4-7 09:49 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

    EDA365欢迎您登录!

    您需要 登录 才可以下载或查看,没有帐号?注册

    x
    ! M7 P" p+ A( [
    摘 要: 为提高自动发音错误检测性能,提出一种区分性特征补偿训练算法.该方法将高斯后验概率矢量经过 线性变换后作为偏移量补偿至传统的谱特征.将经过正确度标注的语音数据库上的发音错误检测 F1值的最大化作 为变换参数的训练准则.推导了目标函数对变换参数的偏导数公式,并利用无约束参数优化例程 LBFGS更新变换参 数.发音错误检测实验表明该方法能够有效增大训练和测试集的 F1值.并且训练和测试集的精确度、召回率也都有 明显提高.在特征优化的基础上进行模型参数训练,检错性能较单独的区分性特征训练、单独的区分性模型训练都有 进一步改进. ' l) b2 G5 T2 i: I% y! z- w
    3 F6 W+ t5 S& v2 u

    " ~7 c6 `/ m/ H7 N8 d1 I关键词: 自动发音错误检测;F1值;区分性训练;特征;计算机辅助语言学习% Z! m1 E+ O0 b4 \$ ?1 S
    % G+ n" N$ Q& p; g, f$ W
    $ u& j) Q1 t1 ]: A+ ]7 g
          计算机辅助语言学习是利用语音语言技术辅助学 生学习语言的技术,自动发音错误检测是其中一个重要 形式,其目的在于自动指出说话人的发音错误.近年来, 各机构都展开了研究,产生了一系列方法[1~9].发音错 误检测总体上基于语音识别技术,在声学模型的建立方 面,尽管研究人员对不同的模型进行了尝试[1,7,8,9],高 斯混 合 模 型隐 马 尔 可 夫 模 型 (HiddenMarkovModel, HMM)仍是常用建模方法,而 GOP(GoodnessofPronuncia tion)[2]则是描述发音定量得分的经典算法.& l( X; P/ I9 Y& @% P* m8 W% Q/ `1 y

    5 x& P3 v( d$ b) M* o9 ]4 V

    ; l/ u/ g  r9 |7 J- ^7 \附件下载:
    游客,如果您要查看本帖隐藏内容请回复

    3 ~) y7 G* g' @7 `
    * M, B3 ~& E0 c7 W

    该用户从未签到

    2#
    发表于 2021-4-7 10:41 | 只看该作者
    精度提高了不少啊
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-7-25 13:07 , Processed in 0.125000 second(s), 26 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表