简介：利用官员音调的在上部分的性质，这篇文章为隐藏的markov模型建议一个特征抽取方法(唔)基于的音调建模。方法使用线性变换投射F0(基本频率)作为赔偿附近的音节展示，并且把他们加到当前的音节的原来的F0特征。变换被使用客观功能有区别地训练作为最小的音调错误称为，它是音调识别的光滑的近似精确性。实验证明新音调的特征完成3.82%音调识别率改进，与基线相比，用训练的最大的可能性的唔在正常F0特征上。进一步的实验显示出那歧视唔在新特征上训练是8.78%比基线好。

简介：音调模型(TM)集成是为官员语音识别的一项重要任务。有效有区别地使用当把TM分数集成到多传递语音识别时，放大因素训练被证明了。而且，可伸缩的上下文依赖者(CD)能更好被申请在模型之间的插值。这条途径的一限制是很多参数将被介绍，它使这种技术容易到训练过度。在这份报纸，我们建议由使用自动地导出的语音的决定树导致上下文依赖者模型重量。在每个树节点的问题被选择在训练数据上最小化期望的识别错误。首先订客观功能被用于问题修剪使树造有效的最小的电话错误(MPE)的近似。连续官员语音识别上的试验性的结果证明方法能够导致最关键的语音的上下文并且与少得多的参数获得重要错误减小，与由使用放大参数的手工地设计的上下文依赖者获得了那相比。

简介：根据在噪音环境的语音识别系统的识别率的衰落，一改善感性地不一致光谱压缩特征抽取算法在这份报纸被提出。这个方法能认识到讲话信号的有效压缩并且做训练和识别环境更多的匹配，因此识别率能在噪音环境被改进。由在聪明的轮椅站台上试验，结果证明算法罐头有效地提高语音识别的坚韧性，并且在噪音环境保证识别率。

简介：在吵闹的环境的讲话情感识别(重量的单位)是在人工智能(AI)的一个重要问题。在这份报纸，讲话样品的重建移开增加的噪音。从重建的样品提取的声学的特征被选择与更好感情的recognizability造一个最佳的特征子集。一多重核(MK)半明确的编程(SDP)解决的支持向量机器(SVM)分类器在重量的单位被采用过程。在这份报纸的建议方法在感情的讲话的柏林数据库上被表明。原版的识别精确性，吵闹，并且重建的样品由两个分类单个核(SK)并且MK分类器被比较并且分析。当噪音存在时，试验性的结果证明建议方法有效、柔韧。