1) quantized subspace distribution hidden Markov model
量化子空间分布隐马尔可夫模型
1.
Though the indirect training algorithm of the quantized subspace distribution hidden Markov model (QSDHMM) is simple and applicative.
尽管量化子空间分布隐马尔可夫模型 ( QSDHMM)的间接训练算法具有简单实用等优点 ,但仍存在两个方面的不足 :其一 ,QSDHMM的间接训练实际上要经历两个最优化过程 ,即先用原始语音数据训练连续分布隐马尔可夫模型 ( CDHMM) ,然后将训练好了的 CDHMM转换成 QS-DHMM。
2.
Recently, we propose a new acoustic model which we call quantized subspace distribution hidden Markov model (QSDHMM), this paper investigate three key problem about indirect training of QSDHMM.
研究了量化子空间分布隐马尔可夫模型(quantizedsubspacedistributionhiddenmarkovmodel,QS DHMM)间接训练所涉及的三个关键的问题:连续分布隐马尔可夫模型(continuousdistributionhiddenmarkovmodel,CDHMM)的训练、特征子空间的划分和子空间高斯分布的量化方案。
2) duration distribution based HMM(DDBHMM)
基于段长分布的隐马尔可夫模型
3) Duration Distribution Based Hidden Markov Model(DDBHMM)
段长分布的隐含马尔可夫模型
4) DDBHMM
段长分布的隐马尔可夫模型
6) segmental quasi hidden markov models
分段准隐马尔可夫模型
补充资料:马尔可夫链模型
见数理社会学。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条