文献

J-GLOBAL ID：201702213942348212   整理番号：17A0354229

不整合マッチング追跡のための区分的特徴的変換手法【JST・京大機械翻訳】

A Discriminative Segmental Feature Transform Method Based on Uncorrelated Matching Pursuit

著者 (5件)： Chen Bin (Institute of Information System Engineering, Information Engineering University) ,  Niu Tong (Institute of Information System Engineering, Information Engineering University) ,  Zhang Lianhai (Institute of Information System Engineering, Information Engineering University) ,  Qu Dan (Institute of Information System Engineering, Information Engineering University) ,  Li Bicheng (Institute of Information System Engineering, Information Engineering University)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 44  号： 12  ページ： 2924-2931  発行年： 2016年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文は,フレーム特性に基づく変換方法の安定性を改良するために,区分的特性に基づく区分的特徴変換方法を提案した。この方法は,特徴変換を高次元信号のまばらな近似問題として使用する。状態分割の方法を用いて,領域分割に基づく線形変換マトリックス(REGION)と最小音素誤り基準に基づく平均値補償(特徴)を提案した。両者の特徴変換行列を,完全な辞書を構成するために構成した。音声信号をセグメント化するために強制的アラインメントを採用して,目的関数として尤度最大化を使用して,マッチング追跡アルゴリズムを用いて目的関数の反復最適化を行い,自動的に各音声信号セグメントにおける変換マトリックスとその係数を決定した。特徴変換の安定性を保証するために,相関行列を選択するために,変換マトリックスを選択する過程に関連度測定を導入した。実験結果により,従来のRDLT法と比較して,音響モデルは,それぞれ,最大尤度および区分的基準によって訓練されるとき,認識性能を,それぞれ,1および1に改善することができた。63%と2であった。23%この方法は,音声強調とモデル識別に適用できる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  音素 ,  最尤法 ,  セグメンテーション ,  音声信号 ,  *マッチング ,  高次元 ,  *不整合 ,  音声強調 ,  目的関数 ,  相関行列 ,  変換行列 ,  *マッチング追跡 ,  改変
準シソーラス用語： 音響モデル ,  特徴変換 , 【Automatic Indexing@JST】

著者キーワード (5件)： feature transform ,  speech recognition ,  discriminative training ,  speech enhancement ,  matching pursuit

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (3件)： 不整合 ,  マッチング追跡 ,  手法