首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

多分类支持向量机的研究及在说话人识别中的应用

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

论文共81页,点击 下载论文
上一篇:α-甲基苯乙烯水合反应工艺研究
下一篇:乙炔和四氯化碳的催化加成反应研究