Zusammenfassung
Im Anschluß an die Kurzzeitanalyse liegt die gesprochene Äußerung — je nachdem ob eine Vektorquantisierung zwischengeschaltet wurde — als Folge reellwertiger Merkmalvektoren oder diskreter Klassenindizes vor. Die Erkennung der gesprochenen Wörter erfordert eine über die Klassifikationsmethoden des vorangegangenen Kapitels hinausgehende Analysetechnik, denn die zu identifizierenden Wortmuster besitzen je nach Aussprache eine unterschiedliche zeitliche Struktur. Zur qualitativen Variabilität sprachlicher Realisierungen, welche wir mittels multivariater Verteilungsdichten für einzelne Merkmalvektoren modellieren konnten, tritt nun die quantitative Variabilität, nämlich die zeitliche Verzerrung von Vektorfolgen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Consortia
Rights and permissions
Copyright information
© 1995 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ernst Günter Schukat-Talamazzini. (1995). Markovmodelle. In: Automatische Spracherkennung. Artificial Intelligence / Künstliche Intelligenz. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-322-96180-8_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-96180-8_5
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-528-05492-2
Online ISBN: 978-3-322-96180-8
eBook Packages: Springer Book Archive