資源描述：
《基于仿生模式識別的同調(diào)連續(xù)性的語音識別算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于仿生模式識別的同調(diào)連續(xù)性的語音識別算法研究摘要語音識別技術(shù)目前尚處在實(shí)驗(yàn)研究階段，在預(yù)處理，端點(diǎn)檢測以及模式識別等方面均存在局限性。傳統(tǒng)的實(shí)驗(yàn)方法在數(shù)據(jù)庫較少的情況下無法滿足設(shè)計(jì)的需要，因此機(jī)器學(xué)習(xí)無法與人的個(gè)體學(xué)習(xí)相媲美。針對這些問題，本文著重研究在小樣本的情況下，進(jìn)行語音識別的研究，力求使得計(jì)算機(jī)應(yīng)用能夠模擬人的認(rèn)知程度，以幫助機(jī)器智能化開發(fā)的研究。本文依據(jù)仿生模式識別理論，通過對流形學(xué)習(xí)的研究，從幾何的角度出發(fā)，提出了同調(diào)連續(xù)性原理。定義了高維空間中子空間的一些基本概念，給出了子流形之間的關(guān)系以及測地距離的定義，依據(jù)同調(diào)連續(xù)原理
2、的有關(guān)性質(zhì)給出了基于仿生模式識別的同調(diào)連續(xù)性的流形學(xué)習(xí)方法，并將其運(yùn)用在連續(xù)數(shù)字語音識別當(dāng)中。通過實(shí)驗(yàn)驗(yàn)證了我們所提出方法的有效性和實(shí)用性，為今后的工作奠定了基礎(chǔ)。與HMM方法相比較的實(shí)驗(yàn)結(jié)果表明，在對少量樣本進(jìn)行訓(xùn)練的情況下，本文所用方法的識別結(jié)果明顯優(yōu)于傳統(tǒng)的HMM方法。隨著樣本數(shù)量的增多，兩種方法的識別率之間的差距在慢慢減小，當(dāng)樣本數(shù)量趨近很大時(shí)，它們的識別率都會漸漸逼近100％，而基于仿生模式識別的同調(diào)連續(xù)性的語音識別方法的識別率一直高于HMM模型方法的識別率，這是因?yàn)樵摿餍螌W(xué)習(xí)的方法描述的是語音在高維空間的形態(tài)分布，而HMM模型
3、方法卻僅僅是一種概率分布，其精確程度自然不如前者。關(guān)鍵詞：仿生模式識別，流形學(xué)習(xí)，同調(diào)連續(xù)原理，語音識別，高維空間，HMM模型ⅡTHERESEARCHoNSPEECHRECoGNITIoNALGoIUTHMBASEDoNBPRWITHPRINCIPLEoFHoMoLoGYCoNTINUITYABSTRACTThespeechrecognitiontechnologyisjustinthemomentofexperimentalresearchcurrently．Therearesomelimitationsintheresearchofp
4、retreatment，endpointdetectionandpatternrecognition．Whenthedatabaseislimited，thetraditionalmethodforspeechrecognitioncannotsatisfytherequirementofdesignSOthatthemachinelearningshouldnotbeasgoodasthehumanlearning．Withthoseproblems．thispaperdoestheresearchofspeechrecognition
5、winlsmalldatabasetohelpthecomputertosimulatethecognitionofhumanbeing．ThispaperisbasedonBiomimeticPatternRecognition(BPR)．ThePrincipleofHomologyContinuity(PHC)ismentionedwiththeresearchofmanifoldlearningandtheperspectiveofgeometry．Somebasicconceptionsofsubspacearedefinedin
6、11ighdimensionalspacewhiletherelationshipofsubmanifoldandconceptofgeodesicdistancearegiven．mWeproposethemanifoldlearningmethodbasedonBPRwithprincipleofhomologyc伽dh耐織andusethismethodtodotheresearchofcontinuousspeechrecognition．Theexperimentalresultsprovetheeffectivenessand
7、practicabilityofourmethod，andestablishfoundationTherecognitionresultsshowthatthedifferenceofrecognitionratesbetweenmanifoldlearningmethodmentionedinthispaperandconventionalHMM-basedmethoddecreasesasthenumberoftrainingsamplesincreases，andbothoftheserecognitionrateswillreac
8、h100％ifthereareenoughtrainingsamples．HowevermanifoldlearningmethodalwaysoutperformstheHMM—basedm
