期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
8
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SCHMM非特定人关键词检出语音识别系统
被引量:
3
1
作者
乔跃刚
赵铁军
+1 位作者
李生
朱莉
《计算机应用》
CSCD
北大核心
2005年第B12期295-296,298,共3页
设计了一个基于半连续隐马尔可夫模型(SCHMM)以音节为基元的非特定人汉语小词表关键词确认语音识别系统。系统采用类似于Baum_Welch算法对VQ码书和HMM参数一起优化得到可靠的声学模型,并通过利用基于前向-后向搜索策略,来充分利用上下...
设计了一个基于半连续隐马尔可夫模型(SCHMM)以音节为基元的非特定人汉语小词表关键词确认语音识别系统。系统采用类似于Baum_Welch算法对VQ码书和HMM参数一起优化得到可靠的声学模型,并通过利用基于前向-后向搜索策略,来充分利用上下文相关信息,使关键词检出率在每个词每小时虚警率为10时已达到93%以上。还分析了码书大小对系统识别率的影响,并提出了以音节模型归一化算术均值作为关键词置信度的语音验证策略。
展开更多
关键词
关键词检出
schmm
语音验证
在线阅读
下载PDF
职称材料
基于K均值/SCHMM多级分类的手语识别
2
作者
闫鹏飞
孙艳丰
孔德慧
《微计算机信息》
北大核心
2008年第7期187-189,共3页
本文提出了一种具有多级分类的手语识别方法,该方法采用K-均值/SCHMM(半连续隐马尔可夫模型)多级分类方法。在第一级中采用K-均值方法进行全局粗略搜索,划定目标词的大体范围。在第二级中,待识别的手语词特征与该范围内每一个手语词的SC...
本文提出了一种具有多级分类的手语识别方法,该方法采用K-均值/SCHMM(半连续隐马尔可夫模型)多级分类方法。在第一级中采用K-均值方法进行全局粗略搜索,划定目标词的大体范围。在第二级中,待识别的手语词特征与该范围内每一个手语词的SCHMM做运算,计算概率最大的为识别结果。实验结果表明,与采用单级的SCHMM识别器相比,在保持识别率基本相同的前提下,该方法能使识别速度提高近45%。
展开更多
关键词
手语识别
特征
聚类
schmm
在线阅读
下载PDF
职称材料
一种基于改进SCHMM/ANN的语音识别算法
3
作者
胡岩松
霍春宝
张瑞挢
《黑龙江科技信息》
2010年第6期77-77,31,共2页
隐马尔科夫(HMM)和人工神经网络(ANN)模型已经广泛的应用在语音识别中,而HMM中的半连续隐马尔可夫模型(SCHMM)又具有连续密度函数和训练数据少等特点。人工神经网络(ANN)具有自组织、自学习和很高的容错力,将两模型相结合应用于语音识...
隐马尔科夫(HMM)和人工神经网络(ANN)模型已经广泛的应用在语音识别中,而HMM中的半连续隐马尔可夫模型(SCHMM)又具有连续密度函数和训练数据少等特点。人工神经网络(ANN)具有自组织、自学习和很高的容错力,将两模型相结合应用于语音识别当中,会使SCHMM模型的特点更加突出。本文所采用的是一种SCHMM/ANN模型,经仿真实验结果表明,在纯净无噪声和信噪比较低的情况下,与传统的HMM模型相比,该算法的识别率有较大提高。
展开更多
关键词
HMM
schmm
ANN
语音识别
在线阅读
下载PDF
职称材料
基于SCHMM的手语识别方法的实验研究
4
作者
柯珂
张岱
《现代计算机》
2009年第4期22-24,共3页
在近些年的手语识别工作中,HMM起到了重要的作用。提出将SCHMM用于手语识别,实验结果表明SCHMM优于离散隐马尔科夫模型(DHMM)和连续隐马尔科夫模型(CHMM),可以避开DHMM中因矢量量化造成的信息损失,在保证识别率的前提下降低模型的复杂...
在近些年的手语识别工作中,HMM起到了重要的作用。提出将SCHMM用于手语识别,实验结果表明SCHMM优于离散隐马尔科夫模型(DHMM)和连续隐马尔科夫模型(CHMM),可以避开DHMM中因矢量量化造成的信息损失,在保证识别率的前提下降低模型的复杂性和运算量。
展开更多
关键词
手语识别
隐马尔科夫模型(HMM)
半连续隐马尔科夫模型(
schmm
)
在线阅读
下载PDF
职称材料
提高连续语音识别速度的策略
5
作者
李军
刘晓明
刘贤梅
《大庆石油学院学报》
CAS
北大核心
2005年第4期124-126,共3页
以半连续隐含马尔可夫模型HMM为例,分析了影响Viterbi算法效率的主要原因,讨论了提高该算法效率的3种实用策略,即码本剪枝、Beam剪枝及降低精度,在保证一定识别率的前提下,使得搜索处理更加有效,提高了搜索的速度.给出了3种方法的实验...
以半连续隐含马尔可夫模型HMM为例,分析了影响Viterbi算法效率的主要原因,讨论了提高该算法效率的3种实用策略,即码本剪枝、Beam剪枝及降低精度,在保证一定识别率的前提下,使得搜索处理更加有效,提高了搜索的速度.给出了3种方法的实验对比数据,实验结果表明,3种方法均可有效地提高Viterbi算法的效率.
展开更多
关键词
schmm
语音识别
码本
剪枝
在线阅读
下载PDF
职称材料
结合人体运动特征的行为识别
被引量:
16
6
作者
李宁
须德
+1 位作者
傅晓英
袁玲
《北京交通大学学报》
CAS
CSCD
北大核心
2009年第2期6-10,16,共6页
人体运动具有马尔可夫性质,即当前状态只受前一状态的影响.目前为止,用于人体行为识别的隐马尔可夫模型(HMM)大多使用的是全连接结构(Full-Connected structure),并且没有把状态数目的选取和状态转移条件与人体运动特性间的关系作为研...
人体运动具有马尔可夫性质,即当前状态只受前一状态的影响.目前为止,用于人体行为识别的隐马尔可夫模型(HMM)大多使用的是全连接结构(Full-Connected structure),并且没有把状态数目的选取和状态转移条件与人体运动特性间的关系作为研究重点.本文针对这种关系提出了基于"从左到右三状态半连接HMM"的人体行为识别方法,为每个状态的输出概率引入了权重的概念.实验表明,该方法能够在降低运算复杂度的同时,提高行为识别率,从而证明了人体运动特性分析在HAR领域中的应用价值.
展开更多
关键词
行为识别
前中后三状态半连接HMM
人体运动特征
星状骨架特征
半连接HMM
全连接HMM
在线阅读
下载PDF
职称材料
半连续HMM码本生成算法的研究
被引量:
1
7
作者
李军
朱小燕
王东
《计算机工程》
CAS
CSCD
北大核心
2002年第12期131-133,共3页
对基于半连续隐马尔科夫模型(SCHMM)语音识别系统的码本生成算法及其原理进行了探讨。阐述了译码器扰动简化随机松弛聚类算法(SR-D),并将其应用到初始码本生成中。实验结果表明这种方法能显著地提高系统性能。初始码本生成后,采用最...
对基于半连续隐马尔科夫模型(SCHMM)语音识别系统的码本生成算法及其原理进行了探讨。阐述了译码器扰动简化随机松弛聚类算法(SR-D),并将其应用到初始码本生成中。实验结果表明这种方法能显著地提高系统性能。初始码本生成后,采用最大似然准则对生成的码本进行了训练,使得码本和SCHMM其它参数达到较好的一致。也探讨了码本大小及其对最终性能的影响并给出了相关实验结果。
展开更多
关键词
HMM
码本生成算法
语音识别
半连续隐马尔科夫模型
聚类
随机松驰
在线阅读
下载PDF
职称材料
基于ARM的语音控制开关设计
8
作者
程晓旭
李军
+1 位作者
王连平
司文
《东北师大学报(自然科学版)》
CAS
CSCD
北大核心
2009年第1期44-47,共4页
给出了一种基于ARM处理器的语音控制开关,这种开关通过采用基于统计模型的半连续隐马尔科夫模型,实现了开关命令的识别和检出,进而实现控制电器开关的通断.与传统的触摸式或简单的声控开关相比,语音控制开关具有智能化、非接触、操控准...
给出了一种基于ARM处理器的语音控制开关,这种开关通过采用基于统计模型的半连续隐马尔科夫模型,实现了开关命令的识别和检出,进而实现控制电器开关的通断.与传统的触摸式或简单的声控开关相比,语音控制开关具有智能化、非接触、操控准确等优点,因此,在工业设备控制和家用电器控制等很多领域都具有广泛的应用前景.
展开更多
关键词
控制开关
ARM
语音识别
半连续隐马尔科夫模型
在线阅读
下载PDF
职称材料
题名
基于SCHMM非特定人关键词检出语音识别系统
被引量:
3
1
作者
乔跃刚
赵铁军
李生
朱莉
机构
哈尔滨工业大学计算机科学与技术学院
出处
《计算机应用》
CSCD
北大核心
2005年第B12期295-296,298,共3页
文摘
设计了一个基于半连续隐马尔可夫模型(SCHMM)以音节为基元的非特定人汉语小词表关键词确认语音识别系统。系统采用类似于Baum_Welch算法对VQ码书和HMM参数一起优化得到可靠的声学模型,并通过利用基于前向-后向搜索策略,来充分利用上下文相关信息,使关键词检出率在每个词每小时虚警率为10时已达到93%以上。还分析了码书大小对系统识别率的影响,并提出了以音节模型归一化算术均值作为关键词置信度的语音验证策略。
关键词
关键词检出
schmm
语音验证
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于K均值/SCHMM多级分类的手语识别
2
作者
闫鹏飞
孙艳丰
孔德慧
机构
北京工业大学多媒体与智能软件技术北京市重点实验室
出处
《微计算机信息》
北大核心
2008年第7期187-189,共3页
基金
国家自然科学基金资助项目(No.60533030)
北京市自然科学基金资助(No.4061001)
北京市属市管高等学校人才强教计划资助项目
文摘
本文提出了一种具有多级分类的手语识别方法,该方法采用K-均值/SCHMM(半连续隐马尔可夫模型)多级分类方法。在第一级中采用K-均值方法进行全局粗略搜索,划定目标词的大体范围。在第二级中,待识别的手语词特征与该范围内每一个手语词的SCHMM做运算,计算概率最大的为识别结果。实验结果表明,与采用单级的SCHMM识别器相比,在保持识别率基本相同的前提下,该方法能使识别速度提高近45%。
关键词
手语识别
特征
聚类
schmm
Keywords
Sign language recognition
Features
Clustering
Semi-Continuous Hidden Markov Model
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
一种基于改进SCHMM/ANN的语音识别算法
3
作者
胡岩松
霍春宝
张瑞挢
机构
辽宁工业大学电子与信息工程学院
辽宁工业大学电气工程学院
辽宁工业大学社会科学部
出处
《黑龙江科技信息》
2010年第6期77-77,31,共2页
文摘
隐马尔科夫(HMM)和人工神经网络(ANN)模型已经广泛的应用在语音识别中,而HMM中的半连续隐马尔可夫模型(SCHMM)又具有连续密度函数和训练数据少等特点。人工神经网络(ANN)具有自组织、自学习和很高的容错力,将两模型相结合应用于语音识别当中,会使SCHMM模型的特点更加突出。本文所采用的是一种SCHMM/ANN模型,经仿真实验结果表明,在纯净无噪声和信噪比较低的情况下,与传统的HMM模型相比,该算法的识别率有较大提高。
关键词
HMM
schmm
ANN
语音识别
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP273 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于SCHMM的手语识别方法的实验研究
4
作者
柯珂
张岱
机构
中国矿业大学(北京)机电与信息工程学院
华北科技学院机电工程系
中国网通(集团)有限公司北京市分公司
出处
《现代计算机》
2009年第4期22-24,共3页
文摘
在近些年的手语识别工作中,HMM起到了重要的作用。提出将SCHMM用于手语识别,实验结果表明SCHMM优于离散隐马尔科夫模型(DHMM)和连续隐马尔科夫模型(CHMM),可以避开DHMM中因矢量量化造成的信息损失,在保证识别率的前提下降低模型的复杂性和运算量。
关键词
手语识别
隐马尔科夫模型(HMM)
半连续隐马尔科夫模型(
schmm
)
Keywords
Sign Language Recognition
Hidden Markov Model(HMM)
Semi-Continuous Hidden Markov ModeI(
schmm
)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
提高连续语音识别速度的策略
5
作者
李军
刘晓明
刘贤梅
机构
大庆石油学院计算机与信息技术学院
出处
《大庆石油学院学报》
CAS
北大核心
2005年第4期124-126,共3页
文摘
以半连续隐含马尔可夫模型HMM为例,分析了影响Viterbi算法效率的主要原因,讨论了提高该算法效率的3种实用策略,即码本剪枝、Beam剪枝及降低精度,在保证一定识别率的前提下,使得搜索处理更加有效,提高了搜索的速度.给出了3种方法的实验对比数据,实验结果表明,3种方法均可有效地提高Viterbi算法的效率.
关键词
schmm
语音识别
码本
剪枝
Keywords
schmm
speech recognition
codebook
pruning
分类号
TN912.34 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
结合人体运动特征的行为识别
被引量:
16
6
作者
李宁
须德
傅晓英
袁玲
机构
北京交通大学计算机与信息技术学院
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2009年第2期6-10,16,共6页
基金
国家"863计划"项目资助(2007AA01Z168)
北京交通大学科技基金资助项目(2007XM008)
文摘
人体运动具有马尔可夫性质,即当前状态只受前一状态的影响.目前为止,用于人体行为识别的隐马尔可夫模型(HMM)大多使用的是全连接结构(Full-Connected structure),并且没有把状态数目的选取和状态转移条件与人体运动特性间的关系作为研究重点.本文针对这种关系提出了基于"从左到右三状态半连接HMM"的人体行为识别方法,为每个状态的输出概率引入了权重的概念.实验表明,该方法能够在降低运算复杂度的同时,提高行为识别率,从而证明了人体运动特性分析在HAR领域中的应用价值.
关键词
行为识别
前中后三状态半连接HMM
人体运动特征
星状骨架特征
半连接HMM
全连接HMM
Keywords
action recognition
begin-middle-end semi-connected HM M
human action property
starskeleton feature
semi-connected HMM (
schmm
)
full-connected HMM (FCHMM)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
半连续HMM码本生成算法的研究
被引量:
1
7
作者
李军
朱小燕
王东
机构
清华大学智能技术与系统国家重点实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2002年第12期131-133,共3页
文摘
对基于半连续隐马尔科夫模型(SCHMM)语音识别系统的码本生成算法及其原理进行了探讨。阐述了译码器扰动简化随机松弛聚类算法(SR-D),并将其应用到初始码本生成中。实验结果表明这种方法能显著地提高系统性能。初始码本生成后,采用最大似然准则对生成的码本进行了训练,使得码本和SCHMM其它参数达到较好的一致。也探讨了码本大小及其对最终性能的影响并给出了相关实验结果。
关键词
HMM
码本生成算法
语音识别
半连续隐马尔科夫模型
聚类
随机松驰
Keywords
schmm
;Clustering;Codebook;Stochastic relaxation
分类号
TN912.34 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于ARM的语音控制开关设计
8
作者
程晓旭
李军
王连平
司文
机构
大庆师范学院计算机科学与信息技术系
大庆石油学院计算机与信息技术学院
吉林大学计算机中心
大庆市农业委员会
出处
《东北师大学报(自然科学版)》
CAS
CSCD
北大核心
2009年第1期44-47,共4页
基金
国家火炬计划项目(20051102)
文摘
给出了一种基于ARM处理器的语音控制开关,这种开关通过采用基于统计模型的半连续隐马尔科夫模型,实现了开关命令的识别和检出,进而实现控制电器开关的通断.与传统的触摸式或简单的声控开关相比,语音控制开关具有智能化、非接触、操控准确等优点,因此,在工业设备控制和家用电器控制等很多领域都具有广泛的应用前景.
关键词
控制开关
ARM
语音识别
半连续隐马尔科夫模型
Keywords
control switches
ARM
speech recognition
schmm
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SCHMM非特定人关键词检出语音识别系统
乔跃刚
赵铁军
李生
朱莉
《计算机应用》
CSCD
北大核心
2005
3
在线阅读
下载PDF
职称材料
2
基于K均值/SCHMM多级分类的手语识别
闫鹏飞
孙艳丰
孔德慧
《微计算机信息》
北大核心
2008
0
在线阅读
下载PDF
职称材料
3
一种基于改进SCHMM/ANN的语音识别算法
胡岩松
霍春宝
张瑞挢
《黑龙江科技信息》
2010
0
在线阅读
下载PDF
职称材料
4
基于SCHMM的手语识别方法的实验研究
柯珂
张岱
《现代计算机》
2009
0
在线阅读
下载PDF
职称材料
5
提高连续语音识别速度的策略
李军
刘晓明
刘贤梅
《大庆石油学院学报》
CAS
北大核心
2005
0
在线阅读
下载PDF
职称材料
6
结合人体运动特征的行为识别
李宁
须德
傅晓英
袁玲
《北京交通大学学报》
CAS
CSCD
北大核心
2009
16
在线阅读
下载PDF
职称材料
7
半连续HMM码本生成算法的研究
李军
朱小燕
王东
《计算机工程》
CAS
CSCD
北大核心
2002
1
在线阅读
下载PDF
职称材料
8
基于ARM的语音控制开关设计
程晓旭
李军
王连平
司文
《东北师大学报(自然科学版)》
CAS
CSCD
北大核心
2009
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部