| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-14页 |
| 第一章 绪论 | 第14-28页 |
| ·生物特征识别技术概述 | 第14-16页 |
| ·信息融合生物识别技术概述 | 第16-18页 |
| ·信息融合说话人识别的研究意义与研究现状 | 第18-24页 |
| ·信息融合说话人识别的研究意义 | 第18-19页 |
| ·说话人识别技术 | 第19-21页 |
| ·信息融合说话人识别的研究现状 | 第21-23页 |
| ·现有信息融合说话人识别存在的问题 | 第23-24页 |
| ·本文研究内容与结构安排 | 第24-28页 |
| ·论文的主要工作 | 第25-26页 |
| ·各章内容简介 | 第26-28页 |
| 第二章 说话人识别中信息融合算法的层级框架结构 | 第28-46页 |
| ·信息融合说话人识别的融合方式 | 第28-35页 |
| ·特征级融合说话人识别 | 第29-30页 |
| ·匹配分数级融合说话人识别 | 第30-34页 |
| ·决策级融合说话人识别 | 第34-35页 |
| ·说话人识别评估标准NIST-SRE语料库 | 第35-36页 |
| ·说话人识别的话语特征概述 | 第36-40页 |
| ·短时谱特征 | 第37-38页 |
| ·声音源特征 | 第38页 |
| ·临时谱特征 | 第38页 |
| ·韵律特征 | 第38-39页 |
| ·高级别特征 | 第39-40页 |
| ·说话人识别典型算法模型 | 第40-44页 |
| ·矢量量化方法 | 第40页 |
| ·隐式马尔科夫模型 | 第40-41页 |
| ·高斯混合模型 | 第41-42页 |
| ·GMM-UBM算法框架 | 第42-43页 |
| ·支持向量机 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第三章 基于关系度量融合框架的特征级融合说话人认证算法 | 第46-68页 |
| ·相关研究 | 第47-51页 |
| ·关系度量融合框架 | 第47-49页 |
| ·pH话语特征 | 第49-50页 |
| ·等错误率EER与最小检测代价函数MinDCF | 第50-51页 |
| ·基于关系度量融合框架的特征级融合说话人认证算法 | 第51-54页 |
| ·特征级融合说话人认证算法步骤 | 第52页 |
| ·RMF框架下融合算子融合方法的讨论 | 第52-54页 |
| ·特征级融合说话人认证算法的信息量理论分析 | 第54-59页 |
| ·最大Kullback-Leibler距离 | 第55-56页 |
| ·特征级融合说话人认证算法的信息量评估 | 第56-57页 |
| ·匹配分数级融合说话人认证算法的信息量评估 | 第57-59页 |
| ·实验结果与讨论 | 第59-66页 |
| ·实验环境配置 | 第59页 |
| ·算法实验结果与性能对比 | 第59-64页 |
| ·特征级融合与匹配分数级融合的信息量比较 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第四章 Spearman相关系数最优特征选择算法 | 第68-98页 |
| ·Spearman相关系数特征选择算法 | 第69-79页 |
| ·Spearman相关系数定义 | 第69-70页 |
| ·匹配分数样本序列 | 第70页 |
| ·特征选择算法步骤 | 第70-71页 |
| ·话语特征对象 | 第71-75页 |
| ·Spearman相关系数计算样例 | 第75-79页 |
| ·Spearman系数与EER、MinDCF之间的关系分析 | 第79-80页 |
| ·利用Kullback-Leibler距离验证Spearman相关系数 | 第80-81页 |
| ·实验结果与讨论 | 第81-95页 |
| ·实验环境配置 | 第81-82页 |
| ·Spearman相关系数的计算结果 | 第82-86页 |
| ·Spearman系数与EER之间的关系 | 第86-89页 |
| ·Spearman系数与MinDCF之间的关系 | 第89-91页 |
| ·利用Kullback-Leibler距离验证Speannan系数 | 第91-93页 |
| ·Spearman相关系数与几种相关性度量的性能比较 | 第93-95页 |
| ·本章小结 | 第95-98页 |
| 第五章 基于多层级融合理论的信息融合说话人认证算法 | 第98-118页 |
| ·多层级融合说话人识别框架 | 第98-100页 |
| ·决策级核融合概念 | 第100-102页 |
| ·多核学习核融合概述 | 第100-101页 |
| ·典型多核学习方法 | 第101-102页 |
| ·两特征多层级融合算法 | 第102-108页 |
| ·两特征多层级融合算法的可行性讨论 | 第102-104页 |
| ·两特征多层级融合算法 | 第104-108页 |
| ·实验结果与讨论 | 第108-116页 |
| ·实验环境配置 | 第108页 |
| ·MVDR话语特征 | 第108-109页 |
| ·MFCC与residual phase多层级融合实验结果与讨论 | 第109-113页 |
| ·MFCC与MVDR多层级融合实验结果与讨论 | 第113-116页 |
| ·本章小结 | 第116-118页 |
| 第六章 结论 | 第118-120页 |
| ·本论文研究成果 | 第118-119页 |
| ·对后续工作的展望 | 第119-120页 |
| 第七章 (附章):一种有效提取SIFT特征的低分辨率掌纹图像增强新算法 | 第120-132页 |
| ·相关算法 | 第121-123页 |
| ·反锐化掩模算法 | 第121-122页 |
| ·OS反锐化掩模算法 | 第122页 |
| ·非线性反锐化掩模算法 | 第122-123页 |
| ·局部熵的概念 | 第123-124页 |
| ·局部直方图熵 | 第123页 |
| ·局部灰度熵 | 第123-124页 |
| ·局部熵反锐化掩模掌纹图像增强算法 | 第124-127页 |
| ·掌纹图像灰度调整与归一化 | 第125-126页 |
| ·计算局部灰度熵 | 第126-127页 |
| ·计算增强因子 | 第127页 |
| ·实验与讨论 | 第127-131页 |
| ·本章实验 | 第127-130页 |
| ·本章讨论 | 第130-131页 |
| ·本章小结 | 第131-132页 |
| 参考文献 | 第132-142页 |
| 作者简历 | 第142-144页 |
| 攻读博士学位期间发表的论文 | 第144-148页 |
| 学位论文数据集 | 第148页 |
