基于SVM的与文本无关的说话人识别算法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景与意义 | 第12-13页 |
| ·研究现状及技术难点 | 第13-16页 |
| ·技术研究现状 | 第13-14页 |
| ·说话人识别的应用研究现状 | 第14-15页 |
| ·说话人识别技术难点 | 第15-16页 |
| ·说话人识别的应用 | 第16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本论文的内容安排 | 第17-18页 |
| 第2章 说话人识别技术 | 第18-32页 |
| ·说话人识别概述 | 第18-22页 |
| ·说话人识别的概念及分类 | 第18页 |
| ·说话人识别的原理及系统结构 | 第18-19页 |
| ·说话人识别的性能评价 | 第19-22页 |
| ·说话人识别的特征提取 | 第22-26页 |
| ·线性预测系数LPC | 第22-23页 |
| ·线性预测倒谱系数LPCC | 第23-24页 |
| ·Mel频率尺度倒谱系数MFCC | 第24-26页 |
| ·说话人模型与匹配 | 第26-30页 |
| ·基于模板匹配的说话人识别 | 第26-27页 |
| ·基于概率模型的说话人识别 | 第27-29页 |
| ·其它的说话人模型 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 支持向量机 | 第32-43页 |
| ·统计学习理论基础 | 第32-34页 |
| ·VC维概念 | 第32页 |
| ·经验风险最小化原则 | 第32-33页 |
| ·结构风险最小化原则 | 第33-34页 |
| ·支持向量机简介 | 第34-37页 |
| ·线性SVM | 第34-35页 |
| ·非线性支持向量机 | 第35-37页 |
| ·SVM的多类分类问题 | 第37-40页 |
| ·SVM在说话人识别中的应用 | 第40-41页 |
| ·SVM在说话人识别中的难点问题 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于MRSVM的说话人辨识 | 第43-54页 |
| ·约简支持向量机 | 第44-45页 |
| ·基于MRSVM的说话人辨识 | 第45-48页 |
| ·基于熵的特征选择 | 第45-46页 |
| ·基于PCA方法的特征提取 | 第46-48页 |
| ·基于核的可能性聚类 | 第48-51页 |
| ·可能性聚类算法 | 第48-49页 |
| ·KPCM算法 | 第49-50页 |
| ·KPCM算法用于语音帧聚类步骤 | 第50-51页 |
| ·说话人辨识系统的实现 | 第51页 |
| ·训练样本的选择 | 第51页 |
| ·基于SVM的多元分类器 | 第51页 |
| ·实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于IPSO-SVM的说话人识别 | 第54-61页 |
| ·基本PSO优化算法 | 第54-55页 |
| ·线性PSO优化算法 | 第55-56页 |
| ·IPSO及在说话人识别中的应用 | 第56-58页 |
| ·改进的PSO优化算法IPSO | 第56-57页 |
| ·IPSO训练SVM | 第57-58页 |
| ·实验结果及分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第68页 |
