«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:

期数:

2012年11期

页码:

179-182

栏目:

智能、算法、系统工程

出版日期:

1900-01-01

文章信息/Info

Title:

Chinese Dialect Identification Based on DBN

文章编号:

1673-629X（2012）11-0179-04

作者:

周杰¹ 顾明亮¹; 2 张宁¹ 杨帆¹

[1]徐州师范大学物理与电子工程学院[2]徐州师范大学语言科学研究所

Author(s):

ZHOU Jie ;  GU Ming-liang ;  ZHANG Ning ;  YANG Fan

[1]School of Physics ＆ Electronic Engineering, Xuzhou Normal University[2]School of Linguistic Science, Xuzhou Normal University

关键词:

动态贝叶斯网络; 汉语方言辨识; 联合树算法

Keywords:

dynamic Bayesian networks （DBN） ; Chinese dialect identification ; junction tree algorithm

分类号:

TP391.4

文献标志码:

A

摘要:

方言的差异性在语音层面上反映在时间序列结构的不同。传统的语音建模方法只能建立稳定的时间序列结构，而方言语音是典型的动态时变时间序列结构。为了更好地提取方言时间序列结构，文中采用动态贝叶斯网路（DBN）进行建模分析，并对DBN的构建方法进行了研究，这种结构与常用于语音识别中的隐马尔可夫模型的不同之处在于它揭示多个时间片内的节点之间的影响。文中探索了不同结构和参数对识别效果的影响。文中的研究表明动态贝叶斯网络对汉语方言的识别比传统方法要好，识别率达到了98．9％

Abstract:

The differentiation of Chinese dialect is the different time series in the phonetic. Traditional speech modeling methods can only establish time series,but the dialect speech is typical time-varying series. It chose dynamic Bayesian networks to model the speech in or der to extract the time series structure of dialect speech. It also studied the method to model the DBN structure and the influence of the model complexity on recognition rate. The structures of this paper is more complex than the HMM because these structures notice the in fluence of the nodes in more than two time series. Experiments show that the DBN method is an excellent method with high rate 98.9%

备注/Memo

备注/Memo:

国家自然科学基金（61040053）周杰（1988-），男，硕士研究生，研究方向为语音信号处理、模式识别；顾明亮，博士，教授，研究方向为语音信号处理、模式识别、机器学习等

常用功能

更新日期/Last Update: 1900-01-01