基于mbic的决策树聚类算法在连续语音识别中的应用

？提出了一种采用最小贝叶斯信息准则（minimumbayesianinformationcriterion,mbic）来最优化控制决策树结点分裂程度的算法。首先在理论上证明了mbic能够较好地解决模型参数复杂度与训练数据集规模之间的权衡问题，然后给出了基于mbic的决策树分裂停止准则的计算公式。汉语连续语音全音节识别实验表明：与传统的最大似然准则（maximumlikeihoodcriterion,mlc）相比，mbic对声学模型参数和训练数据集的变化具有更好的适应能力。