导读:本文包含了隐含马尔科夫模型论文开题报告文献综述及选题提纲参考文献，主要关键词:语种辨识,非齐次隐含Markov模型,段长分布
隐含马尔科夫模型论文文献综述
王作英,孙健[1]（2007）在《一般拓扑结构的非齐次隐含马尔科夫模型及其在中、英文语种辨识中的应用》一文中研究指出为了充分利用语音信号中的段长信息,该文提出了一种具有一般拓扑结构的非齐次隐含Markov模型(Hidden Markov Model,HMM),并将其应用于中、英文语种辨识(Language IDentification,LID)系统。非齐次HMM既很好地描述了语音信号的发生过程,又准确地利用了状态的段长信息和语言中的上下文连接结构信息,对于中、英文语种辨识系统,非齐次的HMM系统辨识性能好于齐次的HMM模型。而在非齐次的HMM中,同段长为均匀分布相比,段长分布为正态分布时系统的辨识性能更好,表明段长确实是一种重要的语种区分信息之一,且正态分布较均匀分布更接近于真实的段长分布。(本文来源于《电子与信息学报》期刊2007年04期）
刘加,Steve,Young[2]（1994）在《使用最小差错准则训练隐含马尔科夫模型(HMM)》一文中研究指出本文研究了使用最小差错准则训练隐含马尔科夫模型(HMMS)而不是传统最大似然准则。该算法描准减小系统识别错误并且增加不同类之间可分性。新的算法被仔细地描述在这篇文章中。使用带有自适应学习率的近似共轭梯度法提高了学习过程收敛速度;使用不同的代价函数,学习速度和识别率被比较。英国英语E-set数据库在训练和测试中被使用,测试数据的最好识别得分是92．04％。训练数据识别得分全是100．00％。(本文来源于《第叁届全国人机语音通讯学术会议（NCMMSC1994）论文集》期刊1994-10-01）
隐含马尔科夫模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文研究了使用最小差错准则训练隐含马尔科夫模型(HMMS)而不是传统最大似然准则。该算法描准减小系统识别错误并且增加不同类之间可分性。新的算法被仔细地描述在这篇文章中。使用带有自适应学习率的近似共轭梯度法提高了学习过程收敛速度;使用不同的代价函数,学习速度和识别率被比较。英国英语E-set数据库在训练和测试中被使用,测试数据的最好识别得分是92．04％。训练数据识别得分全是100．00％。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
隐含马尔科夫模型论文参考文献
[1].王作英,孙健.一般拓扑结构的非齐次隐含马尔科夫模型及其在中、英文语种辨识中的应用[J].电子与信息学报.2007
[2].刘加,Steve,Young.使用最小差错准则训练隐含马尔科夫模型(HMM)[C].第叁届全国人机语音通讯学术会议（NCMMSC1994）论文集.1994
标签：语种辨识; 非齐次隐含Markov模型; 段长分布;