| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 语音情感识别研究现状 | 第11-12页 |
| 1.2.2 极限学习机研究现状 | 第12页 |
| 1.3 语音情感识别存在问题 | 第12-13页 |
| 1.4 本课题研究内容与论文安排 | 第13-16页 |
| 第二章 语音情感识别系统理论 | 第16-28页 |
| 2.1 语音情感库 | 第16-17页 |
| 2.2 语音情感特征 | 第17-21页 |
| 2.2.1 基频 | 第18页 |
| 2.2.2 能量 | 第18页 |
| 2.2.3 共振峰 | 第18-19页 |
| 2.2.4 MFCC | 第19-20页 |
| 2.2.5 LPCC | 第20-21页 |
| 2.3 语音情感识别网络 | 第21-26页 |
| 2.3.1 隐马尔可夫模型 HMM | 第22-23页 |
| 2.3.2 混合高斯模型法 GMM | 第23-24页 |
| 2.3.3 支持向量机 SVM | 第24-25页 |
| 2.3.4 人工神经网络 ANN | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 极限学习机算法的研究及应用 | 第28-38页 |
| 3.1 基于 ELM 的单隐层前馈神经网络模型 | 第28-31页 |
| 3.2 基于核函数 ELM 的广义单隐层前馈神经网络模型 | 第31-32页 |
| 3.2.1 特征映射和核函数 | 第32页 |
| 3.3 语音情感识别中的应用 | 第32-36页 |
| 3.3.1 情感数据库 | 第32页 |
| 3.3.2 情感特征提取 | 第32-33页 |
| 3.3.3 实验结果及分析 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 人工蜂群算法优化 KELM 参数的研究及应用 | 第38-52页 |
| 4.1 人工蜂群算法 | 第38-40页 |
| 4.1.1 蜂群算法生物学背景 | 第38-39页 |
| 4.1.2 蜂群算法基本原理 | 第39-40页 |
| 4.2 改进的人工蜂群算法 | 第40-46页 |
| 4.2.1 理论基础 | 第41-42页 |
| 4.2.2 改进的蜂群算法 | 第42-43页 |
| 4.2.3 性能对比 | 第43-46页 |
| 4.2.4 基于 Im-ABC 的 KELM 参数优化 | 第46页 |
| 4.3 语音情感识别中的应用 | 第46-50页 |
| 4.3.1 情感数据库 | 第46-47页 |
| 4.3.2 情感特征提取 | 第47页 |
| 4.3.3 实验结果及分析 | 第47-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 选择性集成极限学习机的研究及应用 | 第52-62页 |
| 5.1 集成算法 | 第52-55页 |
| 5.1.1 Bagging 集成算法 | 第52-54页 |
| 5.1.2 Out-of-bag 样本 | 第54-55页 |
| 5.2 选择性集成算法 | 第55-57页 |
| 5.2.1 算法描述 | 第55-56页 |
| 5.2.2 基于优化的选择性集成 | 第56-57页 |
| 5.3 选择性集成极限学习机网络 | 第57-58页 |
| 5.4 语音情感识别中的应用 | 第58-61页 |
| 5.4.1 情感数据库及特征提取 | 第58页 |
| 5.4.2 实验结果及分析 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
