用于误发音词自动检测的 PCA 方法
声音
2016-02-29 v1 计算与语言
机器学习
摘要
本文提出一种用于检测误发音的方法，旨在改进外语学习者使用的计算机辅助语言学习（CALL）工具。该算法基于主成分分析（PCA）。它是分层式的，每一步相继细化估计，将测试词分类为误发音或正确。检测前的预处理（如归一化和时间尺度修改）被实施以保证输入检测系统的特征向量的统一性。使用包括频谱图和梅尔频率倒谱系数（MFCCs）在内的各种特征的性能进行了比较和评估。使用 MFCCs 获得了最佳结果，在词验证中达到高达 99% 的准确率，在本族语/非本族语分类中达到 93%。与普遍用于识别应用的隐马尔可夫模型（HMMs）相比，这种特定方法在计算上高效，并且在训练数据有限时有效。
引用
@article{arxiv.1602.08128,
title = {PCA Method for Automated Detection of Mispronounced Words},
author = {Zhenhao Ge and Sudhendu R. Sharma and Mark J. T. Smith},
journal= {arXiv preprint arXiv:1602.08128},
year = {2016}
}
备注
SPIE Defense, Security, and Sensing