| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文研究内容与安排 | 第13-15页 |
| 第二章 语音情感识别技术概述 | 第15-25页 |
| 2.1 语音情感识别系统的基本结构 | 第15页 |
| 2.2 常用的情感语料库 | 第15-17页 |
| 2.2.1 离散情感语料库 | 第16页 |
| 2.2.2 维度情感语料库 | 第16-17页 |
| 2.3 语音信号的预处理技术 | 第17-19页 |
| 2.3.1 预加重 | 第17页 |
| 2.3.2 分帧与加窗 | 第17-19页 |
| 2.3.3 端点检测 | 第19页 |
| 2.4 语音情感识别中的常用特征参数 | 第19-23页 |
| 2.4.1 能量 | 第20页 |
| 2.4.2 短时过零率 | 第20页 |
| 2.4.3 基音频率 | 第20-21页 |
| 2.4.4 梅尔倒谱系数 | 第21-22页 |
| 2.4.5 傅里叶系数 | 第22-23页 |
| 2.5 统计特性 | 第23页 |
| 2.6 归一化方法 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 基于特征筛选决策树SVM的语音情感识别 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 支持向量机 | 第25-28页 |
| 3.3 决策树SVM的构建策略 | 第28页 |
| 3.4 SVM参数寻优算法 | 第28-31页 |
| 3.4.1 粒子群优化算法 | 第29-30页 |
| 3.4.2 遗传算法 | 第30-31页 |
| 3.5 特征筛选方法 | 第31-32页 |
| 3.5.1 主成分分析法 | 第31-32页 |
| 3.5.2 Fisher判决准则 | 第32页 |
| 3.6 基于特征筛选决策树SVM模型的构建 | 第32-34页 |
| 3.7 实验仿真与结果分析 | 第34-41页 |
| 3.7.1 实验语料库及实验环境 | 第34-35页 |
| 3.7.2 特征参数筛选及维数选择 | 第35-37页 |
| 3.7.3 本章方法与其他方法的性能比较 | 第37-39页 |
| 3.7.4 SVM参数对识别性能的影响 | 第39-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第四章 基于DNN-决策树SVM的语音情感识别系统 | 第42-59页 |
| 4.1 引言 | 第42页 |
| 4.2 深度学习发展史 | 第42-44页 |
| 4.3 深度学习理论基础 | 第44-49页 |
| 4.3.1 基于RBM的预训练 | 第45-47页 |
| 4.3.2 精细调整 | 第47-49页 |
| 4.4 深度神经网络的参数说明 | 第49-51页 |
| 4.4.1 预处理方式 | 第49-50页 |
| 4.4.2 批量块大小的选择 | 第50-51页 |
| 4.4.3 学习速率 | 第51页 |
| 4.4.4 网络结构 | 第51页 |
| 4.5 提取瓶颈特征的DNN网络 | 第51-53页 |
| 4.6 基于DNN-决策树SVM的语音情感识别系统 | 第53-54页 |
| 4.7 实验仿真与结果分析 | 第54-58页 |
| 4.7.1 实验数据及实验环境 | 第54-55页 |
| 4.7.2 不同网络参数值的对比实验 | 第55-56页 |
| 4.7.3 瓶颈层特征与传统特征的对比实验 | 第56-57页 |
| 4.7.4 DNN-SVM网络与DNN-决策树SVM网络的对比实验 | 第57-58页 |
| 4.8 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
