English  |  正體中文  |  简体中文  |  Items with full text/Total items : 70585/70585 (100%)
Visitors : 23068784      Online Users : 590
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version


    Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/45947


    Title: 新穎之改善語者模型調適法與結構風險最小化分類器的應用;The Application of Novel Speaker Model Adaptation and Structural Risk Minimized Classifier
    Authors: 莊堯棠
    Contributors: 電機工程學系
    Keywords: 資訊科學--軟體
    Date: 2008-07-01
    Issue Date: 2010-12-28 15:54:06 (UTC+8)
    Publisher: 行政院國家科學委員會
    Abstract: 一般藉由背景模型調適出語者模型的方法中,最普遍使用的為最大事後機率估測法,但此方法在有限的調適語料下,部份高斯分佈的模型參數因為無法獲得充分的調適語料,而未能進一步調整參數,這將使得語者模型喪失了鑑別的能力,並使得整個語者辨識的效能降低。為了解決這樣的問題,幾種有效的方法,如參考語者權重調適法、特徵語音調適法及最大相似度模型插入法等,主要是將目標語者模型運用其他參考語者的聲學模型做線性組合,然而其模型參數會受限於參考語者所生成的空間,因此亦限制其鑑別能力而降低語者辨識的效能。所以此計畫中,我們將結合最大事後機率估測法與參考語者權重調適法之所長,使模型參數的調適上能依據不同的調適語料量作調整,並建立模型參數的階層式關係,讓語者模型調適有最適當的處理。另外由於參考語者權重調適法在參考空間建立時,參考語者的選取會對其調適結果產生較大影響,針對於此我們將運用有別於樹狀結構方法的選取方式,以最大相似度選取參考語者及支撐向量機作動態選取參考的語者,藉此兩種方法將對其選取之參考語者最佳化,使參考語者權重調適法在調適時有更好的效果。最後我們亦將支撐向量機延伸至語者的辨識器上,以期再提升語者辨識的效能。 研究期間:9608 ~ 9707
    Relation: 財團法人國家實驗研究院科技政策研究與資訊中心
    Appears in Collections:[電機工程學系] 研究計畫

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML243View/Open


    All items in NCUIR are protected by copyright, with all rights reserved.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback  - 隱私權政策聲明