基于GMM和SVM的音频分类算法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景 | 第8-10页 |
| ·音频分类的研究现状 | 第10-12页 |
| ·本文主要工作和论文结构 | 第12-14页 |
| 2 音频分类技术及原理 | 第14-24页 |
| ·音频分类概述 | 第14页 |
| ·音频信号特征分析 | 第14-20页 |
| ·基于帧的音频特征 | 第14-18页 |
| ·基于片段的音频特征 | 第18-20页 |
| ·分类器设计的常用方法 | 第20-24页 |
| ·基于规则的方法 | 第20页 |
| ·最小距离法 | 第20页 |
| ·统计模型 | 第20-24页 |
| 3 高斯混合模型 | 第24-31页 |
| ·高斯混合模型的基本概念 | 第24-25页 |
| ·高斯混合模型的含义 | 第24页 |
| ·高斯混合模型的描述 | 第24-25页 |
| ·高斯混合模型的训练 | 第25页 |
| ·EM算法 | 第25-29页 |
| ·EM算法的含义 | 第26页 |
| ·EM算法的原理 | 第26-27页 |
| ·用EM算法的估计GMM的参数 | 第27-29页 |
| ·基于GMM的分类器的设计 | 第29-31页 |
| 4 支持向量机 | 第31-43页 |
| ·统计学习理论 | 第31-33页 |
| ·经验风险 | 第31页 |
| ·VC维 | 第31-32页 |
| ·学习过程的一致性 | 第32页 |
| ·结构风险最小归纳原理 | 第32-33页 |
| ·支持向量机的算法原理 | 第33-38页 |
| ·最优超平面 | 第34-35页 |
| ·线性分类 | 第35-36页 |
| ·非线性分类 | 第36-37页 |
| ·核函数 | 第37-38页 |
| ·支持向量机的特点 | 第38-39页 |
| ·基于SVM的分类器的设计 | 第39-43页 |
| 5 基于GMM和SVM组合的音频分类系统 | 第43-55页 |
| ·音频信号的预处理 | 第43-47页 |
| ·预加重 | 第43-44页 |
| ·分帧 | 第44-45页 |
| ·加窗 | 第45-46页 |
| ·端点检测VAD | 第46-47页 |
| ·特征分析与提取 | 第47-51页 |
| ·MFCC参数的分析与提取 | 第47-49页 |
| ·音频感知特征参数的分析和提取 | 第49-51页 |
| ·基于GMM聚类的特征变换 | 第51-52页 |
| ·基于GMM统计特性参数和SVM的音频分类 | 第52-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
