欢迎来到天天文库
浏览记录
ID:34063449
大小:1.15 MB
页数:124页
时间:2019-03-03
《国立台湾师范大学资讯工程研究所硕士论文》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、國立臺灣師範大學資訊工程研究所碩士論文指導教授:陳柏琳博士基於分類錯誤之線性鑑別式特徵轉換應用於大詞彙連續語音辨識ClassificationError-basedLinearDiscriminativeFeatureTransformationforLargeVocabularyContinuousSpeechRecognition研究生:李鴻欣撰中華民國九十八年六月i摘要線性鑑別分析(lineardiscriminantanalysis,LDA)的目標在於尋找一個線性轉換,能將原始資料投射到較低維度的特徵空間,同時又能保留類別間
2、的幾何分離度(geometricseparability)。然而,LDA並不能總是保證在分類過程中產生較高的分類正確率。其中一個可能的原因在於LDA的目標函式並非直接與分類錯誤率連接,因此它也就未必適合在某特定分類器控制下的分類規則,自動語音辨識(automaticspeechrecognition,ASR)就是一個很好的例子。在本篇論文中,我們藉著探索每一對容易混淆之音素類別間的經驗分類錯誤率(empiricalclassificationerrorrate)與馬氏距離(Mahalanobisdistance)的關係,擴展了傳統的
3、LDA,並且將原來的類別間散佈矩陣(between-classscatter),從每一對類別間的歐式距離(Euclideandistance)估算,修改為它們的成對經驗分類正確率。這個新方法不僅保留了原本LDA就具有的輕省可解性,同時無須預設資料是為何種機率分佈。另一方面,我們更進一步提出一種嶄新的線性鑑別式特徵擷取方法,稱之為普遍化相似度比率鑑別分析(generalizedlikelihoodratiodiscriminantanalysis,GLRDA),其旨在利用相似度比率檢驗(likelihoodratiotest)的概念尋
4、求一個較低維度的特徵空間。GLRDA不僅考慮了全體資料的異方差性(heteroscedasticity),即所有類別之共變異矩陣可被彈性地視為相異;並且在分類上,能藉由最小化類別間最混淆之情況(由虛無假設(nullhypothesis)所描述)的發生機率,而求得有助於分類效果提升的較低維度特徵子空間。同時,我們也證明了LDA與異方差性線性鑑別分析(heteroscedasticlineardiscriminantanalysis,HLDA)可被視為GLRDA的兩種特例。再者,為了增進語音特徵的強健性,GLRDA更可進一步地與辨識器所
5、提供的經驗混淆資訊結合。實驗結果顯示,在中文大詞彙連續語音辨識系統中,我們提出的方法都比LDA或其它現有的改進方法,如HLDA等,有較佳的表現。iiiiiAbstractThegoaloflineardiscriminantanalysis(LDA)istoseekalineartransformationthatprojectsanoriginaldatasetintoalower-dimensionalfeaturesubspacewhilesimultaneouslyretaininggeometricalclasssepar
6、ability.However,LDAcannotalwaysguaranteebetterclassificationaccuracy.Oneofthepossiblereasonsliesinthatitscriterionisnotdirectlyassociatedwiththeclassificationerrorrate,sothatitdoesnotnecessarilyaccommodateitselftotheallocationrulegovernedbyagivenclassifier,suchasthatem
7、ployedinautomaticspeechrecognition(ASR).Inthisthesis,weextendtheclassicalLDAbyleveragingtherelationshipbetweentheempiricalphoneclassificationerrorrateandtheMahalanobisdistanceforeachrespectivephoneclasspair.Tothisend,wemodifytheoriginalbetween-classscatterfromameasureo
8、ftheEuclideandistancetothepairwiseempiricalclassificationaccuracyforeachclasspair,whilepreservingthelightweightsolvab
此文档下载收益归作者所有