| 【中文题名】 | 基于覆盖型神经网络集成的语音识别研究 |
| 【英文题名】 | The Research of Speech Recognition Based on Covering Neural Network Ensemble |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-3-23 |
| 【中关键词】 | 语音识别,神经网络,覆盖算法,神经网络集成,, |
| 【英关键词】 | Speech recognition,Neural network,Covering algorithm,Neural network ensemble, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 语言是人类交流最重要的工具之一。随着电子计算机的不断应用与发展以及人工智能的不断进步与完善，人们越来越希望让机器能够理解人类的自然语言，这种需求使得语音识别技术有着十分广阔的发展前景。语音识别正逐步成为信息技术中人机接口的关键技术，它使人们能够甩掉键盘，通过语音命令进行操作。然而语音识别在实现过程中通常涉及多种因素，需要同时考虑，并且它作为一门交叉学科，涉及到了信号处理、模式识别、人工智能、计算机科学、语言学和认知科学等众多学科，所以语音识别距离理想目标仍有很大距离，相关的技术难关还有待克服。
文中对语音识别的主要过程进行了详细的介绍。语音识别首先对输入的语音信号必须进行预处理，以保证系统获得一个比较理想的处理对象。在语音的特征参数提取阶段，文中介绍了在实际应用中常用到的特征参数：线性预测倒谱参数(LPCC)、Mel频率倒谱参数(MFCC)等。在识别阶段，介绍了基于矢量量化的识别技术、动态时间归整的识别技术(DTW)、隐马尔可夫模型技术(HMM)等常用技术，其中重点介绍了神经网络技术。
神经网络是一种模拟生物神经系统的信息处理模型，在联想记忆、非线性映射、分类与识别、优化计算、... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-7 |
|
目录 |
7-9 |
|
第1章 绪论 |
9-17 |
|
1.1 语音识别技术概述 |
9-14 |
|
1.1.1 语音识别技术的主要功能 |
9-10 |
|
1.1.2 语音识别技术的发展和现状 |
10-12 |
|
1.1.3 语音识别中的主要问题 |
12-13 |
|
1.1.4 语音识别的分类 |
13-14 |
|
1.2 神经网络在语音识别中的应用 |
14-15 |
|
1.3 本文的研究背景及意义 |
15 |
|
1.4 本文的主要工作与章节安排 |
15-16 |
|
1.5 本章小结 |
16-17 |
|
第2章 语音识别的原理与技术 |
17-36 |
|
2.1 语音信号处理中的主要技术 |
17-28 |
|
2.1.1 语音信号预处理 |
17-22 |
|
2.1.2 语音识别中的特征提取及规整 |
22-28 |
|
2.2 语音信号识别中的主要技术 |
28-35 |
|
2.2.1 基于矢量量化的识别技术 |
29-31 |
|
2.2.2 动态时间归整的识别技术 |
31-34 |
|
2.2.3 隐马尔可夫模型技术 |
34-35 |
|
2.2.4 神经网络模型 |
35 |
|
2.3 本章小结 |
35-36 |
|
第3章 神经网络的基本概念与原理 |
36-50 |
|
3.1 神经网络简介 |
36-40 |
|
3.1.1 神经网络的发展简史 |
36-37 |
|
3.1.2 神经网络的研究概况 |
37-38 |
|
3.1.3 神经网络的基本特征与功能 |
38-39 |
|
3.1.4 神经网络的应用领域 |
39-40 |
|
3.2 神经网络的基本概念 |
40-43 |
|
3.2.1 神经元 |
40-41 |
|
3.2.2 网络的连接模式 |
41-42 |
|
3.2.3 学习方式 |
42 |
|
3.2.4 学习算法 |
42-43 |
|
3.3 神经网络的基本模型结构 |
43-47 |
|
3.3.1 BP网络 |
43-45 |
|
3.3.2 径向基函数神经网络 |
45-47 |
|
3.4 MP神经元模型及其几何意义 |
47-48 |
|
3.5 本章小结 |
48-50 |
|
第4章 神经网络集成理论分析 |
50-64 |
|
4.1 神经网络集成概述 |
50 |
|
4.1.1 神经网络集成概念的提出 |
50 |
|
4.2 神经网络集成的方法及主要技术 |
50-52 |
|
4.3 神经网络集成的理论分析 |
52-56 |
|
4.3.1 个体生成方法分析 |
52-55 |
|
4.3.2 结论生成方法分析 |
55-56 |
|
4.4 基于覆盖的神经网络集成 |
56-63 |
|
4.4.1 基于覆盖的神经网络集成的提出 |
56-57 |
|
4.4.2 基于覆盖思想的构造型前馈神经网络的误差分析 |
57-59 |
|
4.4.3 基于覆盖的神经网络集成的泛化误差分析 |
59-61 |
|
4.4.4 平面双螺旋线识别问题的实验结果 |
61-63 |
|
4.5 本章小结 |
63-64 |
|
第5章 采用神经网络集成的语音识别 |
64-74 |
|
5.1 语音信号的获取 |
64-65 |
|
5.2 语音信号的预处理 |
65-68 |
|
5.3 语音信号的特征提取 |
68 |
|
5.4 采用基于覆盖的神经网络集成进行识别 |
68-70 |
|
5.5 实验结果 |
70-73 |
|
5.5.1 对数码语音识别的实验 |
70-73 |
|
5.5.2 对连续语音识别的实验 |
73 |
|
5.6 本章小结 |
73-74 |
|
第6章 总结与展望 |
74-75 |
|
发表文章 |
75-76 |
|
参考文献 |
76-79 |
|
致谢 |
79 |
|
| 【DOI】 | LunWen.ID:2.2008.388336 |
