半监督矢量量化的汉语方言辨识

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 109-111.

• 数据库、信号与信息处理 • 上一篇下一篇

半监督矢量量化的汉语方言辨识

顾明亮1，2，张彪2

1.徐州师范大学物理与电子工程学院，江苏徐州 221116
2.江苏省语言科学与神经认知工程重点实验室，江苏徐州 221116

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Chinese dialect identification based on semi-supervised vector quantization

GU Mingliang1，2，ZHANG Biao2

1.School of Physics and Electronic Engineering，Xuzhou Normal University，Xuzhou，Jiangsu 221116，China
2.Jiangsu Key Lab of Language Science and Neural Cognitive，Xuzhou，Jiangsu 221116，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 提出了一种新的方言码本模型辨识系统。该方法利用半监督的思想对方言语音数据进行矢量量化，形成具有监督信息的码本模型。有效解决了在汉语方言辨识中码本精度不高的问题，系统的识别率有了很大提高。实验结果表明带有监督信息的码本量化方法明显优于传统LBG矢量量化方法，对于汉语三种方言，辨识率可达94.23%，比传统码本辨识系统提高了近13%的正确辨识率。

关键词: 方言辨识, 半监督码本, 矢量量化

Abstract: This paper presents a noval code model in Chinese dialect identification.This method takes advantage of semi-supervised thought to quantitate speech data and forms a code model with supervision information.It effectively solves the problem of low precision code and improves system recognition rate.Experimental results prove that the method with supervision information is superior to traditional LBG quantitation method.For three Chinese dialect，the system can achieve a high accuracy of 94.23% and raise the rate of correct identification about 13% compared with traditional code system.

Key words: dialect identification, semi-supervised code, vector quantization

顾明亮1，2，张彪2 . 半监督矢量量化的汉语方言辨识[J]. 计算机工程与应用, 2011, 47(33): 109-111.

GU Mingliang1，2，ZHANG Biao2 . Chinese dialect identification based on semi-supervised vector quantization[J]. Computer Engineering and Applications, 2011, 47(33): 109-111.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	王娇1，罗四维2，邹琪2. 图像分类中基于分类矢量量化的视觉词袋模型[J]. 计算机工程与应用, 2019, 55(10): 141-145.
[3]	邱远航1，顾明亮1，马勇1，金赟1，韩军1，赵冬梅1，赵呈昊2. 全局信息融合的汉语方言自动辨识[J]. 计算机工程与应用, 2017, 53(17): 160-165.
[4]	夏玉果1，戴红霞1，顾明亮2. 融合多样性测度的汉语方言主动辨识方法[J]. 计算机工程与应用, 2017, 53(15): 149-154.
[5]	顾明亮1，2，张世形1，张浩1，张宁1. 基于联合多样性密度的汉语方言辨识[J]. 计算机工程与应用, 2016, 52(10): 161-166.
[6]	贾晶晶1，顾明亮1，2，朱恂2，张世形2. 基于流形学习与特征融合的汉语方言辨识[J]. 计算机工程与应用, 2015, 51(7): 233-237.
[7]	苏鹏，程健. DHMM在机械设备音频识别中的应用[J]. 计算机工程与应用, 2015, 51(1): 266-270.
[8]	陈拥军，徐罡，周兴付，赵慧. 无线传感器网络最少数量通信节点定位方法[J]. 计算机工程与应用, 2014, 50(5): 55-59.
[9]	孙燕. 自适应模糊聚类LBG矢量量化算法[J]. 计算机工程与应用, 2014, 50(23): 203-205.
[10]	孙燕1，姜占才2，王蕴杰2. 浊音隶属度参数及F-LBG算法[J]. 计算机工程与应用, 2014, 50(2): 204-207.
[11]	阙大顺1，田犇1，赵永安2. 基于FPGA的关键词识别系统实现[J]. 计算机工程与应用, 2013, 49(8): 217-221.
[12]	彭湘陵，钱盛友，赵新民. 基于混合特征参数和BP_Adaboost的方言辨识[J]. 计算机工程与应用, 2013, 49(3): 152-155.
[13]	王冬芳1，李佳2，余宁梅1. 均值与矢量量化复合快速图像编码算法[J]. 计算机工程与应用, 2013, 49(14): 147-151.
[14]	熊燕. LSF参数转换分裂矢量量化的卡尔曼后滤波增强方法[J]. 计算机工程与应用, 2013, 49(10): 228-231.
[15]	魏艳娜，张景峰，金永涛. 有限状态矢量量化在语音端点检测中的应用[J]. 计算机工程与应用, 2012, 48(17): 161-164.

半监督矢量量化的汉语方言辨识

Chinese dialect identification based on semi-supervised vector quantization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics