HMM — данные и формат тренировки

Я хочу реализовать HMM (скрытая модель Маркова), чтобы идентифицировать определенные слова. До сих пор мне удалось извлечь коэффициенты (MFCC) сигнала, и я задался вопросом, подходят ли эти данные для обучения HMM?

Кроме того, подходит ли формат (ниже) для обучения HMM?

Формат:

Для каждого образца есть последовательность коэффициентов MFCC, я привел два из этих образцов в качестве примера...

-13.8033 0.645476 3.2174 -0.625136 -0.470134 -2.96368 0.701151 0.464246 1.1898 -1.88515 0.0805242 0.311573 0.732487

-19.4252 -5.65454 0.853437 0.317219 0.146167 -1.93742 0.381944 -2.01793 -0.561144 -0.896783 -0.105491 -1.06504 -0.797318

Надеюсь, кто-то может помочь :)


speech-recognition signal-processing hidden-markov-models mfcc
person Phorce    schedule 08.02.2013    source источник
comment
Эти значения выглядят разумными для коэффициентов MFCC, но трудно посмотреть на пару образцов и убедиться, что они верны. Я предлагаю просто обучить модель и посмотреть, как она работает.   -  person user1955591    schedule 09.02.2013
comment
@user1955591 user1955591 Могу ли я использовать алгоритм Витерби, чтобы найти наилучшее состояние между (обучение, ввод). Например, если я идентифицирую «Да» или «Нет».. Я тренирую HMM с помощью этих двух слов, затем я сравниваю обучение с введенные значения с использованием алгоритма Витерби? Надеюсь, вы ответите. Спасибо   -  person Phorce    schedule 11.02.2013
comment
Да, вычислите лучший результат по каждому HMM, используя алгоритм Витерби, и выберите лучший результат HMM. Используете ли вы такой инструментарий, как HTK?   -  person Paul Dixon    schedule 11.02.2013
comment
@PaulDixon Спасибо за ответ. Я отчасти понимаю это намного лучше. Я использую: cs.sjsu.edu/~stamp/RUA/HMM .pdf и github.com/liyanghua/, чтобы помочь мне с руководством, однако мне не разрешено использовать наборы инструментов   -  person Phorce    schedule 11.02.2013

Ответы (1)


arrow_upward
1
arrow_downward

У вас может быть два подхода.

Один из них выполняет векторное квантование этих векторов, чтобы преобразовать непрерывные векторы MFCC в дискретные наблюдения для HMM.

Другой способ — проводить обучение HMM, используя непрерывный подход. Вы можете увидеть больше в этой теме:

Простое распознавание речи с нуля

person jessica    schedule 20.06.2014