Full metadata record
DC FieldValueLanguage
dc.contributor.author高曉雯en_US
dc.contributor.authorGAO, XIAO-WENen_US
dc.contributor.author陳信宏en_US
dc.contributor.authorCHEN, XING-HONGen_US
dc.date.accessioned2014-12-12T02:09:34Z-
dc.date.available2014-12-12T02:09:34Z-
dc.date.issued1991en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#NT802436036en_US
dc.identifier.urihttp://hdl.handle.net/11536/56164-
dc.description.abstract在本論文中,我們提出了一個新的半隱藏式馬可夫模式 (HSMM) 的語音辨認方法。 它和傳統的半隱藏式馬可夫模式 (HSMM) 的不同點在于加入了連續欄位的相互關係 于每個狀態特徵函數的模組中。現在,一個狀態的特徵向量序列是用一連串的期望 值相關連的高斯分佈來模組。對于每一個特徵單位,我們使用一條用正交展開 ( orthogonal expansion) 得到的平滑曲線來模組其狀態的高斯分佈的期望值函數。 在關念上,這些平滑的期望值函數可當做代表這個狀態語音段的參考標準值,而其 差值是不同的語音或發音情況的變化量。此方法之使用度已被408 個語音節,多語 者的辨認模擬確認。實驗結果顯示,新方法在辨認的正確率上比傳統的HSMM好 5﹪ 。zh_TW
dc.language.isozh_TWen_US
dc.subject欄位間zh_TW
dc.subject半馬可夫模式zh_TW
dc.subject國語音節辨認zh_TW
dc.title使用欄位間相關連的半馬可夫模式之國語音節辨認zh_TW
dc.titleResearch on a frame-correlated hidden semi-markov model and its application on mandarin syllable recognitionen_US
dc.typeThesisen_US
dc.contributor.department電信工程研究所zh_TW
Appears in Collections:Thesis