| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景及意义 | 第9-11页 |
| ·国内外相关技术的发展现状 | 第11-13页 |
| ·重读音节识别技术的发展现状 | 第11-12页 |
| ·句重读识别技术的发展现状 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| 第2章 重音识别模型简介 | 第14-35页 |
| ·引言 | 第14页 |
| ·识别流程 | 第14-15页 |
| ·特征提取概述 | 第15-16页 |
| ·识别基元 | 第16页 |
| ·语音特征提取方法 | 第16-31页 |
| ·能量特征 | 第16-18页 |
| ·时长特征 | 第18-19页 |
| ·基频特征 | 第19-21页 |
| ·线性预测 | 第21-24页 |
| ·倒谱系数 | 第24-28页 |
| ·自回归分析 | 第28页 |
| ·分形维数特征提取 | 第28-31页 |
| ·特征的选择与评价 | 第31-33页 |
| ·识别算法的评测指标 | 第33-34页 |
| ·独立词的重读音节识别的评价指标 | 第33-34页 |
| ·语句重读识别的评价指标 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于RankNet 的重音识别算法 | 第35-52页 |
| ·引言 | 第35页 |
| ·RANKNET 神经元 | 第35-36页 |
| ·RANKNET 网络模型 | 第36-38页 |
| ·基于RANKNET 的重音识别 | 第38-44页 |
| ·输入数据 | 第38页 |
| ·输入数据归一化 | 第38-42页 |
| ·RankNet 学习算法 | 第42-44页 |
| ·RANKNET 重音音节识别算法 | 第44-45页 |
| ·构建重读音节识别的模型 | 第44-45页 |
| ·在模型上进行重读音节识别 | 第45页 |
| ·RANKNET 句重读识别算法 | 第45-49页 |
| ·构建重读识别的模型 | 第47-48页 |
| ·在模型上进行句重读识别 | 第48-49页 |
| ·对句重读识别结果进行微调 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 实验描述与结果分析 | 第52-67页 |
| ·语料标准以及参数的设定 | 第52-53页 |
| ·重读音节识别实验 | 第53-57页 |
| ·测试评价度量 | 第53页 |
| ·基于线性判别的重读音节识别实验 | 第53-54页 |
| ·基于RankNet 重读音节识别实验 | 第54-57页 |
| ·重读音节识别小结 | 第57-58页 |
| ·句重读识别实验 | 第58-65页 |
| ·测试评价度量 | 第58-59页 |
| ·基于RankNet 的句重读识别与重读音节识别的比较分析 | 第59-60页 |
| ·基于RankNet 的句重读识别实验 | 第60-63页 |
| ·不以重读音节识别为基础的句重读识别实验 | 第63-65页 |
| ·在句重读识别实验基础上进行微调 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |