| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第一章.绪论 | 第19-25页 |
| 1.1.引言 | 第19-20页 |
| 1.2.面临的挑战 | 第20-21页 |
| 1.3.本文的研究内容、目标、及创新点 | 第21-23页 |
| 1.4.本文的内容安排 | 第23-25页 |
| 第二章.语音情感识别技术的综述 | 第25-38页 |
| 2.1.语音情感识别技术的综述 | 第25-30页 |
| 2.1.1 韵律特征 | 第25-26页 |
| 2.1.2 谱特征 | 第26-27页 |
| 2.1.3 其它特征 | 第27-30页 |
| 2.2.语音特征的维数约减算法 | 第30-31页 |
| 2.2.1 降维算法 | 第30页 |
| 2.2.2 特征选择算法 | 第30-31页 |
| 2.3.语音情感的分类模型 | 第31-34页 |
| 2.3.1 层次分类器 | 第32页 |
| 2.3.2 集成分类器 | 第32-33页 |
| 2.3.3 单个分类器 | 第33-34页 |
| 2.4.语音数据库 | 第34-37页 |
| 2.4.1 语音数据库的评价标准 | 第35页 |
| 2.4.2 已知可用的语音情感数据库 | 第35-36页 |
| 2.4.3 本文实验部分使用的语音情感数据库 | 第36-37页 |
| 2.5.本章小结 | 第37-38页 |
| 第三章.基于局部Hu矩的加权谱特征 | 第38-61页 |
| 3.1.引言 | 第38-39页 |
| 3.2.基于局部Hu矩的加权谱特征 | 第39-46页 |
| 3.2.1 Hu矩的背景 | 第39页 |
| 3.2.2 Hu WSF算法 | 第39-43页 |
| 3.2.3 对Hu WSF算法的分析 | 第43-46页 |
| 3.3.与Hu WSF相关的特征 | 第46-48页 |
| 3.3.1 谱特征 | 第47页 |
| 3.3.2 韵律特征 | 第47-48页 |
| 3.4.用于评价Hu WSF的语音情感识别框架 | 第48-49页 |
| 3.4.1 特征统计 | 第49页 |
| 3.4.2 维数约减 | 第49页 |
| 3.4.3 分类 | 第49页 |
| 3.5.实验 | 第49-59页 |
| 3.5.1 语音情感数据库和评价标准 | 第49-50页 |
| 3.5.2 对比的特征 | 第50页 |
| 3.5.3 选择合适的维数约减算法 | 第50-51页 |
| 3.5.4 特征提取方法参数设置 | 第51-52页 |
| 3.5.5 说话人独立的实验结果 | 第52-56页 |
| 3.5.6 说话人依赖的实验结果 | 第56-59页 |
| 3.6.本章小结 | 第59-61页 |
| 第四章.基于半监督特征选择和说话人归一化的语音情感识别 | 第61-85页 |
| 4.1.引言 | 第61-62页 |
| 4.2.理论基础 | 第62-65页 |
| 4.2.1 多类簇特征选择算法(MCFS) | 第62-64页 |
| 4.2.2 数据内在维度的获取 | 第64-65页 |
| 4.3.半监督多类簇特征选择 | 第65-68页 |
| 4.3.1 半监督特征选择的问题 | 第65-66页 |
| 4.3.2 半监督多类簇特征选择的数据内在维度的获取 | 第66-68页 |
| 4.4.说话人归一化 | 第68-70页 |
| 4.5.使用SSMCFS与说话人归一化的语音情感识别 | 第70-71页 |
| 4.5.1 特征提取 | 第70页 |
| 4.5.2 分类 | 第70页 |
| 4.5.3 使用的语音情感识别框架 | 第70-71页 |
| 4.6.实验 | 第71-84页 |
| 4.6.1 对比的特征选择方法 | 第71-72页 |
| 4.6.2 执行方法和评价标准 | 第72-73页 |
| 4.6.3 说话人独立实验 | 第73-81页 |
| 4.6.4 对比本章的说话人归一化算法与传统的说话人归一化算法 | 第81-83页 |
| 4.6.5 说话人依赖实验 | 第83-84页 |
| 4.7.本章小结 | 第84-85页 |
| 第五章.基于集成Softmax回归模型的语音情感识别 | 第85-106页 |
| 5.1.引言 | 第85-86页 |
| 5.2.基于集成Softmax回归的语音情感识别(ESSER) | 第86-94页 |
| 5.2.1 特征提取 | 第87-88页 |
| 5.2.2 特征统计 | 第88-89页 |
| 5.2.3 特征选择 | 第89-90页 |
| 5.2.4 集成分类器 | 第90-94页 |
| 5.3.在不平衡数据中使用ESSER | 第94-96页 |
| 5.4.实验 | 第96-105页 |
| 5.4.1 对比的方法 | 第96页 |
| 5.4.2 执行结果的评价准则 | 第96-97页 |
| 5.4.3 在Emo DB上的实验结果 | 第97-100页 |
| 5.4.4 在SAVEE数据库上的实验结果 | 第100-102页 |
| 5.4.5 在FAC Aibo数据库上的实验结果 | 第102-105页 |
| 5.5.本章小结 | 第105-106页 |
| 第六章.基于流形学习和稀疏表示分类的语音情感识别 | 第106-126页 |
| 6.1.引言 | 第106-108页 |
| 6.2.理论基础 | 第108-110页 |
| 6.2.1 有监督维数约减算法的一般形式 | 第108页 |
| 6.2.2 增强半监督局部Fisher判别分析(ESLF) | 第108-109页 |
| 6.2.3 稀疏表示分类(SRC) | 第109页 |
| 6.2.4 加权稀疏表示分类(WSRC) | 第109-110页 |
| 6.3.基于局部重构和局部Fisher判别的有监督维数约减(LRLFDSDR) | 第110-112页 |
| 6.3.1 LRLFDSDR的目标方程 | 第110-111页 |
| 6.3.2 目标方程的优化 | 第111-112页 |
| 6.3.3 LRLFDSDR的算法流程 | 第112页 |
| 6.4.自适应加权稀疏表示分类(AWSRC) | 第112-114页 |
| 6.5.语音情感识别框架 | 第114-115页 |
| 6.5.1 特征提取 | 第114-115页 |
| 6.5.2 特征统计 | 第115页 |
| 6.6.实验 | 第115-124页 |
| 6.6.1 对比的算法与实验设置 | 第115-116页 |
| 6.6.2 说话人独立实验 | 第116-120页 |
| 6.6.3 说话人依赖实验 | 第120-124页 |
| 6.7.本章小结 | 第124-126页 |
| 结论 | 第126-130页 |
| 参考文献 | 第130-145页 |
| 攻读博士学位期间取得的研究成果 | 第145-147页 |
| 致谢 | 第147-149页 |
| 附件 | 第149页 |
