马尔可夫随机场在语音识别中的应用

为适应语音识别的需要，作者克服了传统隐马尔可夫模型（ＨＭＭ）只考虑当前观测符号之前状态的缺点，吸收其采用“隐含”层的处理方式，将其纳入马尔可夫随机场（ＭＲＦ）的框架，建立了一个基于ＭＲＦ的语音识别模型，并较详细地阐明了这个系统的训练和识别算法，重新定义了松弛标注算法中相应的支持函数。典型实验表明，ＭＲＦ模型较传统的ＨＭＭ 有较高的识别率。在优化初始参数的条件下，两种模型的识别在同样的时间范围内。在训练脱机的情况下，ＭＲＦ模型有其明显的优势。