基于类间权值调整GMM模型的场景语音分类研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究的目的及意义 | 第11页 |
| 1.2 场景语音分类的发展过程和研究现状 | 第11-14页 |
| 1.2.1 声学特征的选取 | 第12页 |
| 1.2.2 模型的选择 | 第12-14页 |
| 1.3 系统框架图及章节安排 | 第14-17页 |
| 第2章 预处理环节及特征提取 | 第17-30页 |
| 2.1 预处理环节 | 第17页 |
| 2.2 特征提取 | 第17-29页 |
| 2.2.1 帧特征介绍及分析 | 第18-26页 |
| 2.2.2 clip特征介绍及分析 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于类间权值调整的GMM模型 | 第30-47页 |
| 3.1 GMM模型基本原理 | 第31-32页 |
| 3.2 EM算法简介 | 第32-35页 |
| 3.3 GMM模型用于场景语音分析的具体实现 | 第35-39页 |
| 3.4 混合高斯模型数M的确定 | 第39-41页 |
| 3.5 类间相似度的引入 | 第41-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 优化似然函数 | 第47-55页 |
| 4.1 问题的提出 | 第47-48页 |
| 4.2 传统似然度原理介绍 | 第48-50页 |
| 4.3 判决环节的实现 | 第50-51页 |
| 4.4 优化似然比概念 | 第51-53页 |
| 4.5 分割算法的实现 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 实验结果及分析 | 第55-59页 |
| 5.1 实验环境简介 | 第55页 |
| 5.2 类间调整系数的确定 | 第55-56页 |
| 5.3 优化似然函数的检测实验 | 第56-57页 |
| 5.4 不同方法之间的对比实验 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
