| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 引言 | 第14-15页 |
| 1.2 研究背景与意义 | 第15-16页 |
| 1.3 国内外的相关研究 | 第16-18页 |
| 1.3.1 模型的改进和研究 | 第16-17页 |
| 1.3.2 新特征和特征选择 | 第17页 |
| 1.3.3 后续研究的重点 | 第17-18页 |
| 1.4 语音情感识别和合成的应用 | 第18-19页 |
| 1.4.1 公共教育事业 | 第18页 |
| 1.4.2 服务行业 | 第18页 |
| 1.4.3 智能设备等嵌入式领域 | 第18-19页 |
| 1.4.4 全民娱乐健身活动 | 第19页 |
| 1.5 研究内容及组织结构 | 第19-21页 |
| 1.5.1 研究内容 | 第19-20页 |
| 1.5.2 论文组织结构 | 第20-21页 |
| 第二章 情感计算和语音识别相关理论 | 第21-38页 |
| 2.1 情感计算 | 第21-23页 |
| 2.1.1 情感的表示 | 第21-22页 |
| 2.1.2 情感模型 | 第22-23页 |
| 2.2 语音识别 | 第23-33页 |
| 2.2.1 语音识别的系统架构 | 第23-24页 |
| 2.2.2 预处理 | 第24-27页 |
| 2.2.3 语音信号的特征 | 第27-32页 |
| 2.2.4 语音的声学模型——HMM模型 | 第32-33页 |
| 2.3 机器学习中的分类算法 | 第33-37页 |
| 2.3.1 贝叶斯分类算法 | 第34-35页 |
| 2.3.2 支持向量机 | 第35-36页 |
| 2.3.3 人工神经网络 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于倒谱距离特征的语音情感识别方法 | 第38-53页 |
| 3.1 引言 | 第38页 |
| 3.2 语音语料库 | 第38-39页 |
| 3.2.1 中国社会科学院情感语料库 | 第39页 |
| 3.2.2 EMO-DB德语语料库 | 第39页 |
| 3.3 情感特征选择和分类模型 | 第39-45页 |
| 3.3.1 实验特征 | 第39-42页 |
| 3.3.2 特征选择 | 第42-43页 |
| 3.3.3 DAG-SVM模型 | 第43-44页 |
| 3.3.4 两阶段分类策略 | 第44-45页 |
| 3.4 实验设计 | 第45-52页 |
| 3.4.1 实验操作 | 第45-46页 |
| 3.4.2 二分类结果 | 第46-47页 |
| 3.4.3 多分类结果 | 第47-50页 |
| 3.4.4 EMO-DB德语语料库上试验 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于CNN的语音情感分析 | 第53-62页 |
| 4.1 引言 | 第53-54页 |
| 4.2 卷积神经网络原理 | 第54-56页 |
| 4.2.1 多层感知器 | 第54-55页 |
| 4.2.2 稀疏连接(Sparse Connectivity) | 第55-56页 |
| 4.2.3 Max-pooling | 第56页 |
| 4.2.4 ADADELTA优化算法 | 第56页 |
| 4.3 特征——原始波形点 | 第56-57页 |
| 4.4 实验设计 | 第57-59页 |
| 4.5 结果及结果分析 | 第59-61页 |
| 4.5.1 MFCC特征集 | 第59-60页 |
| 4.5.2 韵律特征 | 第60页 |
| 4.5.3 波形点特征 | 第60-61页 |
| 4.5.4 优化后的结果 | 第61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 工作总结与展望 | 第62-63页 |
| 5.1 论文工作总结 | 第62页 |
| 5.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第70-71页 |