| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 语音情感识别现状 | 第11-12页 |
| 1.2.2 模糊支持向量机隶属度函数研究现状 | 第12-13页 |
| 1.3 语音情感识别研究面临的问题 | 第13页 |
| 1.4 研究内容与论文安排 | 第13-16页 |
| 第二章 支持向量机理论基础 | 第16-24页 |
| 2.1 机器学习基本问题 | 第16-17页 |
| 2.1.1 学习问题的数学表达 | 第16页 |
| 2.1.2 经验风险最小化原则 | 第16-17页 |
| 2.2 统计学习理论 | 第17-18页 |
| 2.2.1 VC维和结构风险 | 第17-18页 |
| 2.2.2 结构风险最小化原则 | 第18页 |
| 2.3 支持向量机理论 | 第18-23页 |
| 2.3.1 支持向量机 | 第18-22页 |
| 2.3.2 模糊支持向量机 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于类内超平面距离度量模糊支持向量机的情感分类 | 第24-48页 |
| 3.1 语音情感识别基本理论 | 第24-32页 |
| 3.1.1 常用的情感语料库概述 | 第24-25页 |
| 3.1.2 语音情感特征提取 | 第25-29页 |
| 3.1.3 语音情感识别模型 | 第29-32页 |
| 3.2 传统隶属度函数及其不足 | 第32-33页 |
| 3.3 一种新的基于类内超平面距离度量的隶属度函数 | 第33-36页 |
| 3.4 仿真实验及结果分析 | 第36-45页 |
| 3.4.1 语音情感库及特征的选取 | 第36-41页 |
| 3.4.2 参数选择影响分析 | 第41-43页 |
| 3.4.3 分类准确率对比 | 第43-45页 |
| 3.5 隶属度函数的进一步分析 | 第45页 |
| 3.6 本章小结 | 第45-48页 |
| 第四章 改进的FSVM算法用于非平衡情感数据分类 | 第48-64页 |
| 4.1 非平衡数据集 | 第48-55页 |
| 4.1.1 非平衡数据集的特点 | 第48-49页 |
| 4.1.2 非平衡数据集的分类难点 | 第49-52页 |
| 4.1.3 非平衡数据集分类的评价标准 | 第52-55页 |
| 4.2 面对非平衡数据集的隶属度函数确定方法 | 第55-56页 |
| 4.2.1 不平衡调节因子 | 第55页 |
| 4.2.2 根据近邻样本密度设计模糊隶属度函数 | 第55-56页 |
| 4.3 改进的非均衡数据模糊支持向量机算法 | 第56-59页 |
| 4.4 实验结果与分析 | 第59-63页 |
| 4.4.1 参数对算法准确率Gm的影响 | 第59-60页 |
| 4.4.2 算法准确率Gm对比分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |