Kaldi决策树状态绑定学习笔记（一）

建议在csdn资源页中免费下载该学习笔记的PDF版进行阅读：）点击进入下载页面

Kaldi决策树状态绑定学习笔记（一）

——如何累积相关统计量？

　　目录

原理

学习资料：
1. SLP Ch10.3
2. Daney Povey Kaldi Lecture3
3. 官方决策树三个文档、HMM文档
4. 爱丁堡大学CDHMM-PPT
5. 论文《Tree-Based State Tying For High Accuracy Acoustic Modelling》S.J.Young
6. 论文《Decision Tree-Based State Tying For Acoustic Modelling》这个里面有一些具体的公式推导

个人感悟：
　　决策树这一块的理论倒没有多少，公式更是少之又少。关键在于如何用代码实现，所以值得把主要精力花在看代码上。自己在学习这一块的时候，对脚本train_deltas.sh用到的程序，采取从上到下逐一攻破的方法。首先看看文献1,5,6,4, 明白决策树工作的大致原理、思路；然后看kaldi官方文档，第一遍可能对文档的写作框架、所提到的程序几乎没什么感觉；然后就开始逐一攻破程序。看不懂代码就去看文档，看不懂文档就去看原理，看不懂原理又去看代码实现了什么，代码、文档、原理、代码、文档、类、代码、类、文档，多次重复迭代，直到逐渐弄明白到底发生了什么，代码做了什么。
　　看完之后，自己试着总结一下，就当再次复习下，顺一顺自己的思路。解码那部分一个月前刚看过，自己就已经忘得差不多了，所以还是很有必要总结总结、复习复习。
　　决策树这块核心的就是三个程序和相关的几个类，所以准备一个笔记写一个程序吧。

　　在这个笔记中，我会首先介绍与决策树相关的几个数据结构和统计量，然后介绍累积统计量的主程序和主要函数。

EventMap之EventType

　　在看决策树的统计量累积相关的代码之前，有必要先搞明白EventMap相关的EventType这一数据结构。这一块建议多阅读官方文档《Decision tree internals》。
　　我们知道决策树用于对三音素GMM声学模型进行状态绑定，那么问题来了：“用什么数据结构表示三音素呢？”
　　一种方法是用一对数表示三音素的位置和该位置上的音素，也就是（三音素位置，该位置上的音素），用C++表示就是pair<int, int>，第一个int取0,1,2,分别代表三音素的三个位置，第二个int取音素的编号，把这三对数放在一起就可以描述三音素了，用C++表示就是由pair<int, int>组成的vector。
　　此外，除了知道三音素三个位置上的音素各是什么，我们还想知道一个HMM状态是三音素的第几个HMM状态ÿ