| Abstract | 第4页 |
| Acknowledgements | 第6-16页 |
| 1 Introduction | 第16-26页 |
| 1.1 Background | 第16-18页 |
| 1.2 Speaker Recognition | 第18-19页 |
| 1.3 Fundamentals of Speaker Recognition | 第19-20页 |
| 1.4 Research Questions | 第20-21页 |
| 1.5 Contribution of the Thesis | 第21-22页 |
| 1.6 Thesis Structure | 第22-26页 |
| 2 Literature Review | 第26-44页 |
| 2.1 Introduction | 第26页 |
| 2.2 Deep Learning | 第26-31页 |
| 2.2.1 Shallow vs Deep Architecture-Why do we need Deep Architecture? | 第27-29页 |
| 2.2.2 Approach towards Deep Learning | 第29-31页 |
| 2.3 Deep Belief Network | 第31-34页 |
| 2.4 Introduction to Speech Features | 第34-37页 |
| 2.4.1 Speech Features Categorization | 第34-37页 |
| 2.5 Mel Frequency Cepstral Coefficients | 第37-40页 |
| 2.5.1 Major steps | 第37-38页 |
| 2.5.2 Explanation | 第38-39页 |
| 2.5.3 Delta and Delta-Delta coefficients | 第39-40页 |
| 2.6 Support Vector Machines | 第40-44页 |
| 2.6.1 SVM as large-margin boundary classifier | 第41-44页 |
| 3 Deep Hybrid Features for Speaker Recognition | 第44-60页 |
| 3.1 Introduction | 第44-50页 |
| 3.1.1 Restricted Boltzmann Machine | 第45-48页 |
| 3.1.2 Contrastive Divergence Algorithm | 第48-49页 |
| 3.1.3 Learning Audio Data with RBM | 第49-50页 |
| 3.2 Convolutional Deep Belief Networks for Speaker Identification | 第50页 |
| 3.3 Deep Hybrid Features-DHyF | 第50-54页 |
| 3.3.1 Previous Work | 第51-52页 |
| 3.3.2 Speaker Recognition Pipeline | 第52页 |
| 3.3.3 Features Learning | 第52-54页 |
| 3.3.4 Bag of Words Analogy | 第54页 |
| 3.3.5 Classification | 第54页 |
| 3.4 Experiment and Results | 第54-57页 |
| 3.5 Conclusion | 第57-60页 |
| 4 Convolutional Data for Deep Audio Learning | 第60-70页 |
| 4.1 Introduction | 第60页 |
| 4.2 Convolutional Data | 第60-62页 |
| 4.3 Proposed Approach | 第62页 |
| 4.4 Initial Experimentation | 第62-63页 |
| 4.5 Future Direction on Convolutional Data | 第63-70页 |
| 5 The super vector and i-vector paradigms for speaker recognition | 第70-78页 |
| 5.1 Introduction | 第70页 |
| 5.2 Super vectors | 第70-71页 |
| 5.3 i-vectors | 第71-73页 |
| 5.4 NIST i-vector challenge | 第73页 |
| 5.5 Baseline-Cosine Distance Scoring | 第73-74页 |
| 5.6 Performance Metric | 第74页 |
| 5.7 Late Fusion Approach | 第74-75页 |
| 5.8 Results | 第75-76页 |
| 5.9 Couclusion | 第76-78页 |
| 6 Automatic Speech Recognition of Urdu | 第78-92页 |
| 6.1 Introduction | 第78-79页 |
| 6.2 Background | 第79-80页 |
| 6.3 Previous Work on Urdu ASR | 第80-81页 |
| 6.4 Methodology | 第81-83页 |
| 6.4.1 Mel Frequency Cepstral Coefficients | 第81页 |
| 6.4.2 Classification Techniques | 第81-83页 |
| 6.4.3 Linear Discriminant Analysis | 第83页 |
| 6.5 Experimental Setup | 第83-85页 |
| 6.5.1 Dataset | 第83页 |
| 6.5.2 Confusion Matrix | 第83-84页 |
| 6.5.3 Comparison with DWT features | 第84-85页 |
| 6.6 Conclusion | 第85-92页 |
| 7 Conclusion and Future Work | 第92-96页 |
| 7.1 Conclusion | 第92-94页 |
| 7.2 Future Work | 第94-96页 |
| A Useful Resources | 第96-98页 |
| A.1 Software Tools | 第96页 |
| A.2 Useful Links | 第96-98页 |
| B Algorithms | 第98-100页 |
| B.1 MFCC Calculation | 第98-99页 |
| B.2 Contrastive Divergence | 第99-100页 |
| C Authors' Publication(first author/co-author) | 第100-102页 |
| Bibliography | 第102-120页 |
| 作者简历及在学研究成果 | 第120-122页 |
| 学位论女数据集 | 第122页 |
