| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·情感识别研究背景及意义 | 第10-12页 |
| ·语音情感识别技术概述 | 第12-16页 |
| ·语音情感库现状 | 第13-14页 |
| ·语音情感识别方法现状 | 第14-16页 |
| ·论文的主要研究内容及结构安排 | 第16-17页 |
| 第二章 语音信号预处理和情感特征提取 | 第17-28页 |
| ·Emo-DB 情感语音库介绍 | 第17-18页 |
| ·语音信号预处理 | 第18-22页 |
| ·端点检测 | 第18-20页 |
| ·预加重 | 第20-21页 |
| ·分帧和加窗 | 第21-22页 |
| ·情感语音特征提取 | 第22-27页 |
| ·线性预测系数及其衍生系数 | 第23-25页 |
| ·梅尔倒谱系数 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于样本方差的高斯核模糊矢量量化聚类语音情感识别 | 第28-51页 |
| ·引言 | 第28-29页 |
| ·基于样本方差的高斯核模糊矢量量化聚类语音情感识别算法 | 第29-35页 |
| ·模糊矢量量化聚类语音情感识别 | 第29-30页 |
| ·基于样本方差的高斯核模糊矢量量化聚类语音情感识别 | 第30-35页 |
| ·基于学习因子自适应 PSO 改进的 VGFKVQ 语音情感识别算法 | 第35-40页 |
| ·基本标准粒子群算法 | 第35-36页 |
| ·学习因子自适应的 PSO 粒子群算法 | 第36-38页 |
| ·学习因子自适应的 PSO 初始化聚类中心的 VGKFVQ 算法 | 第38-40页 |
| ·基于学习因子自适应 PSO 改进的 VGFKVQ 语音情感识别 | 第40页 |
| ·本章实验及结果 | 第40-49页 |
| ·本章总结 | 第49-51页 |
| 第四章 结合支持向量机二次识别的 VGKFVQ 语音情感识别 | 第51-67页 |
| ·引言 | 第51页 |
| ·支持向量机理论 | 第51-57页 |
| ·函数集的 VC 维 | 第51-52页 |
| ·结构风险最小化（SRM）准则 | 第52页 |
| ·支持向量机原理及算法 | 第52-56页 |
| ·支持向量机算法中的参数优化 | 第56-57页 |
| ·结合支持向量机二次识别的 VGKFVQ 语音情感识别算法 | 第57-59页 |
| ·本章实验结果 | 第59-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 基于样本邻域信息和码字权值的 VGKFVQ 情感识别 | 第67-76页 |
| ·引言 | 第67-69页 |
| ·基于样本邻域信息和码字权值的 VGKFVQ 算法 | 第69-72页 |
| ·本章实验及结果 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第六章 结论和展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士期间取得的学术成果 | 第82-83页 |
