排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
深度神经网络(DNN)是目前中文分词的主流方法,但将针对某一领域训练的网络模型用于其他领域时,会因存在跨领域的未登录词(OOV)和表达鸿沟而造成性能显著下降,而在实际中对所有未知领域的训练语料进行人工标注和训练模型并不可行。为了解决这个问题,该文构建了一个基于新词发现的跨领域中文分词系统,可以自动完成从目标领域语料中提取新词、标注语料和训练网络模型的工作。此外,针对现有新词发现算法提取出的词表垃圾词串多以及自动标注语料中存在噪声样本的问题,提出了一种基于向量增强互信息和加权邻接熵的无监督新词发现算法以及一种基于对抗式训练的中文分词模型。实验中将使用北大开源新闻语料训练的网络模型提取出的特征迁移到医疗、发明专利和小说领域,结果表明该文所提方法在未登录词率、准确率、召回率和分词F值方面均优于现有方法。 相似文献
3.
在水声多普勒因子和时延估计研究实用化的进程中,利用多分量线性调频(LFM)信号实现估计的算法研究越来越普遍。针对多分量LFM信号时频域存有交叉项时各分量参数估计不准确的问题,提出基于非完全残差与脊线段匹配的自适应模态分解方法。该方法采用非完全残差函数保留了交叉点处的部分时频信息,利用脊线段匹配方法提供更精确的预设时频脊线,改进了各分量LFM信号调频斜率和起始频率的估计精度。联合两个估计量进一步给出了多普勒因子和时延估计的算法。仿真结果表示,较现有模态分解算法,所提改进方法有效解决了估计分量过程中交叉区间断裂带来的估计误差;水声多径的条件下,该方法的多普勒因子和时延估计精度优于对比的现有方法。 相似文献
4.
介绍了第三代通信系统中的可选模式语音声码器(SMV)语音编码方式,简要描述了SMV的编、解码基本原理。并进行了该算法的定点C代码仿真,给出了算法的性能、计算复杂度及存储空间等仿真结果。 相似文献
5.
模型补偿技术已成功应用到噪声环境下的语音识别任务中。流行的模型补偿技术如Log-Add和Log-Normal PMC(并行模型合并)方法对动态特征参数通常只能给出近似的补偿。因此他们的识别率在较低的信噪比条件下变得很低。本文利用静态特征的导函数推导出了一种新的动态模型参数补偿方法。新的方法可以同任何已知的静态模型补偿算法结合产生出新的用于识别的噪声语音模型。实验证明这一新算法的应用,使其识别率比仅使用原有的模型补偿算法有较为明显的提高,并且新算法的复杂度较原有的模型补偿算法只有轻微的增加。 相似文献
6.
1