摘要 | 第1-4页 |
ABSTRACT | 第4-5页 |
目录 | 第5-8页 |
第一章 绪论 | 第8-11页 |
·支持向量机研究背景 | 第8页 |
·说话人识别研究背景 | 第8-9页 |
·本论文的主要工作 | 第9-10页 |
·研究意义 | 第10-11页 |
第二章 支持向量机原理 | 第11-22页 |
·机器学习 | 第11-16页 |
·机器学习的函数估计模型 | 第11页 |
·机器学习问题的表示 | 第11-12页 |
·损失函数 | 第12-13页 |
·归纳原则 | 第13-16页 |
·支持向量机 | 第16-22页 |
·最优超平面 | 第17页 |
·Merce定理 | 第17-18页 |
·支持向量机的分类 | 第18-21页 |
·支持向量机的核函数 | 第21-22页 |
第三章 多分类支持向量机算法分析 | 第22-36页 |
·确定多类目标函数方法 | 第22页 |
·SVM组合方法 | 第22-27页 |
·one-against-all | 第23页 |
·one-against-one | 第23-24页 |
·层次多类支持向量机算法 | 第24-25页 |
·基于决策导向无环图的多类支持向量机算法 | 第25-26页 |
·纠错编码 | 第26-27页 |
·多分类 SVMs算法优缺点比较 | 第27页 |
·多分类支持向量机算法的训练时间分析 | 第27-32页 |
·OAO-SVMs训练时间分析 | 第27-29页 |
·H-SVMs的训练时间性能分析 | 第29-31页 |
·其他多分类 SVMs的训练时间性能分析 | 第31页 |
·多种多分类 SVMs算法训练时间性能比较 | 第31-32页 |
·多分类支持向量机算法的测试时间分析 | 第32-34页 |
·OAO-SVMs与DDAG-SVMs测试时间的分析 | 第32-33页 |
·OAA-SVMs测试时间的分析 | 第33页 |
·ECC-SVMs测试时间的分析 | 第33页 |
·H-SVMs测试时间的分析 | 第33-34页 |
·多种多分类 SVMs算法测试时间性能比较 | 第34页 |
·多分类支持向量机算法的分类精度 | 第34-35页 |
·本章小结 | 第35-36页 |
第四章 一种新的多分类支持向量机算法 | 第36-52页 |
·H-OAO-SVMs拓扑结构 | 第36-37页 |
·拓扑结构确立中的关键问题 | 第37-46页 |
·H-OAO-SVMs的性能分析 | 第46-47页 |
·H-OAO-SVMs训练时间分析 | 第46-47页 |
·H-OAO-SVMs测试性能分析 | 第47页 |
·样本的预处理 | 第47-51页 |
·本章小结 | 第51-52页 |
第五章 说话人识别基础 | 第52-57页 |
·说话人识别技术的分类 | 第52-53页 |
·说话人识别的基本原理 | 第53页 |
·说话人识别的特征提取过程 | 第53-55页 |
·语音信号的预处理 | 第53-54页 |
·特征参数的选择 | 第54-55页 |
·说话人识别的主要方法 | 第55-56页 |
·说话人识别的评估标准 | 第56-57页 |
第六章 基于H-OAO-SVMs的说话人识别算法 | 第57-74页 |
·端点检测 | 第57-59页 |
·双门限比较法 | 第58页 |
·双门限比较法的检测流程 | 第58-59页 |
·语音识别特征参数的提取 | 第59-61页 |
·选用MFCC参数的根据与意义 | 第59-60页 |
·MFCC参数的提取算法 | 第60-61页 |
·基于H-OAO-SVMs的说话人识别算法的功能模块划分 | 第61-64页 |
·算法的分析模块 | 第61-62页 |
·算法的训练模块 | 第62-64页 |
·算法的识别模块 | 第64页 |
·评判标准 | 第64-66页 |
·一条语音段的说话人归属判决标准 | 第65页 |
·说话人判决标准 | 第65页 |
·说话人判决正确率与H-OAO-SVMs判决正确率的关系 | 第65-66页 |
·基于H-OAO-SVMs的说话人识别实验及讨论 | 第66-74页 |
·实验软硬件环境 | 第66-67页 |
·音频信号的采集与MFCC参数的提取 | 第67-68页 |
·特征参数的训练 | 第68-71页 |
·特征参数的测试 | 第71-74页 |
第七章 总结与展望 | 第74-76页 |
参考文献 | 第76-80页 |
致谢 | 第80-81页 |
攻读学位期间主要的研究成果 | 第81页 |