CASIA OpenIR
基于GMM-UBM和GLDS-SVM的英文发音错误检测方法
徐波; 李宏言; 黄申; 王士进; 梁家恩
Source Publication自动化学报
ISSN0254-4156
2010
Volume000Issue:002Pages:332
Abstract将语种和说话人识别的方法应用到英语发音错误检测系统, 提出一种基于广义线性区分序列支持向量机 (Generalized linear discriminant sequence based SVM, GLDS-SVM)的发音错误检测方法. 主要创新点为: 1)提出一种基于状态拼接的特征规整方案, 增强SVM对发音特征的建模能力; 2)提出一种基于多模型融合的模型训练策略, 该策略可以更加充分地利用训练数据, 并在一定程度上解决了由于真实发音错误数据缺乏造成的正负样本不均衡的问题; 3)将GLDS-SVM与基于通用背景模型GMM (Universal background models based GMM, GMM-UBM)的方法进行融合, 以进一步提高发音检错性能. GLDS-SVM和GMM-UBM的融合系统在仿真测试集和真实测试集上的等错误率 (Equal error rate, EER)分别达到9.92%和16.35%. 同时, GLDS-SVM在模型占用空间和运算速度方面均比传统径向基函数 (Radial basic function, RBF)核方法具有明显优势.
Language英语
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/36160
Collection中国科学院自动化研究所
Affiliation中国科学院自动化研究所
First Author AffilicationInstitute of Automation, Chinese Academy of Sciences
Recommended Citation
GB/T 7714
徐波,李宏言,黄申,等. 基于GMM-UBM和GLDS-SVM的英文发音错误检测方法[J]. 自动化学报,2010,000(002):332.
APA 徐波,李宏言,黄申,王士进,&梁家恩.(2010).基于GMM-UBM和GLDS-SVM的英文发音错误检测方法.自动化学报,000(002),332.
MLA 徐波,et al."基于GMM-UBM和GLDS-SVM的英文发音错误检测方法".自动化学报 000.002(2010):332.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[徐波]'s Articles
[李宏言]'s Articles
[黄申]'s Articles
Baidu academic
Similar articles in Baidu academic
[徐波]'s Articles
[李宏言]'s Articles
[黄申]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[徐波]'s Articles
[李宏言]'s Articles
[黄申]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.