基于时频纹理和随机森林的鸟声识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·国内外研究发展概况 | 第9-10页 |
| ·本文主要工作 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 前端处理 | 第13-22页 |
| ·带噪信号短时幅度谱计算 | 第13-15页 |
| ·背景噪声功率谱估计 | 第15-18页 |
| ·前景信号短时幅度谱计算 | 第18-19页 |
| ·其它声音增强算法 | 第19-21页 |
| ·传统谱减法 | 第19-20页 |
| ·维纳滤波法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 鸟鸣声信号的特征提取 | 第22-37页 |
| ·时频图 | 第22-24页 |
| ·鸟鸣声信号的音节分割 | 第24-28页 |
| ·鸟类鸣声的产生机制 | 第24-25页 |
| ·鸟类鸣声的多样性 | 第25-26页 |
| ·音节分割 | 第26-28页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第28-32页 |
| ·灰度共生矩阵的定义 | 第28-30页 |
| ·灰度共生矩阵的参数选取 | 第30页 |
| ·基于灰度共生矩阵的二次统计量 | 第30-32页 |
| ·和差统计法 | 第32-35页 |
| ·Mel频率倒谱系数 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 随机森林 | 第37-45页 |
| ·决策树及其相关概念 | 第37-40页 |
| ·决策树 | 第37-38页 |
| ·最佳划分的选取 | 第38-39页 |
| ·决策树的优缺点 | 第39-40页 |
| ·随机森林 | 第40-43页 |
| ·随机森林的定义 | 第40-42页 |
| ·随机森林的特点 | 第42-43页 |
| ·支持向量机 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 算法实现及结果分析 | 第45-57页 |
| ·系统概述 | 第45-46页 |
| ·鸟类鸣声数据库 | 第46页 |
| ·参数设置 | 第46-48页 |
| ·实验设计与结果分析 | 第48-56页 |
| ·本章小结 | 第56-57页 |
| 结论与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在学期间研究成果及发表的学术论文 | 第63页 |
