论文部分内容阅读
文章分析了经典隐巴尔可人模型（Hidden Markov Model,HMM）齐次假设的理论缺陷，以及两种非齐次HMM。语音识别对比实验表明，经验性的征罚概率法是稳健的、且更有效的补偿方法。实验结果还指出在最优惩罚概率下，经典HMM达到了与非齐3闪的基于段长分布的HMM（Duration Distribution Based HMM,DDBHMM）几科相同的识别率，证明了齐次假设并不影响经典HMM在实用中的重要性。文章提出了一种改进Baum-Welch重估算法的初值的经验方法，用于HMM参数的估计，在汉语