| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题的研究背景与意义 | 第12页 |
| 1.2 语音查询词检索技术发展历程及现状 | 第12-17页 |
| 1.2.1 基于文本的语音查询词检索 | 第13-15页 |
| 1.2.1.1 基于词最优候选结果的语音查询词检索技术 | 第13页 |
| 1.2.1.2 基于子词最优候选结果的语音查询词检索技术 | 第13-14页 |
| 1.2.1.3 基于子词网格的语音查询词检索技术 | 第14-15页 |
| 1.2.2 基于样例的语音查询词检索 | 第15-17页 |
| 1.3 论文的主要内容和结构安排 | 第17-20页 |
| 第二章 基于模板匹配的语音样例检索基线系统 | 第20-36页 |
| 2.1 特征提取 | 第20-28页 |
| 2.1.1 MFCC 特征 | 第20-21页 |
| 2.1.2 音素后验概率特征 | 第21-25页 |
| 2.1.2.1 TRAP 特征 | 第22-23页 |
| 2.1.2.2 多层感知器 | 第23-24页 |
| 2.1.2.3 音素后验概率特征检测步骤 | 第24-25页 |
| 2.1.3 高斯混元后验概率特征 | 第25-28页 |
| 2.1.3.1 高斯混合模型结构及其参数估计 | 第25-27页 |
| 2.1.3.2 高斯混元后验概率的定义及生成 | 第27-28页 |
| 2.2 动态时间规整 | 第28-30页 |
| 2.3 实验 | 第30-34页 |
| 2.3.1 实验配置 | 第30-31页 |
| 2.3.2 性能指标 | 第31-32页 |
| 2.3.3 实验结果 | 第32-34页 |
| 2.4 小结 | 第34-36页 |
| 第三章 融合分段累积近似下界估计的动态时间规整算法 | 第36-48页 |
| 3.1 引言 | 第36-37页 |
| 3.2 融合下界估计的动态时间规整算法框架 | 第37页 |
| 3.3 DTW 得分的下界估计 | 第37-39页 |
| 3.3.1 下界估计定义 | 第37页 |
| 3.3.2 下界估计证明 | 第37-39页 |
| 3.4 融合下界估计的 KNN-DTW 算法 | 第39-41页 |
| 3.5 分段累积近似下界估计 | 第41-43页 |
| 3.5.1 PAA 下界估计定义 | 第41-42页 |
| 3.5.2 PAA 下界估计证明 | 第42-43页 |
| 3.6 实验 | 第43-45页 |
| 3.6.1 实验配置 | 第43页 |
| 3.6.2 实验结果 | 第43-45页 |
| 3.7 小结 | 第45-48页 |
| 第四章 基于分段动态时间规整的语音样例快速检索 | 第48-56页 |
| 4.1 引言 | 第48-49页 |
| 4.2 分段动态时间规整 | 第49-50页 |
| 4.3 融合分段累积近似下界估计的分段动态时间规整 | 第50页 |
| 4.4 基于虚拟相似度的相关区域重排序方法 | 第50-51页 |
| 4.5 实验 | 第51-54页 |
| 4.5.1 实验配置 | 第51-52页 |
| 4.5.2 实验结果 | 第52-54页 |
| 4.6 小结 | 第54-56页 |
| 第五章 融合边界信息的语音样例快速检索 | 第56-64页 |
| 5.1 引言 | 第56-57页 |
| 5.2 融合边界信息的语音样例检索流程 | 第57页 |
| 5.3 基于音素后验概率和层次凝聚聚类算法的音素边界检测 | 第57-59页 |
| 5.3.1 层次凝聚聚类算法原理 | 第57-59页 |
| 5.3.2 分段段数和边界确定 | 第59页 |
| 5.4 实验 | 第59-62页 |
| 5.4.1 实验配置 | 第59-60页 |
| 5.4.2 实验结果 | 第60-62页 |
| 5.5 小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 一、论文工作总结 | 第64页 |
| 二、前景和展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者简历 | 第74页 |
