| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 语音情感识别研究现状 | 第9-11页 |
| 1.2.2 贝叶斯网络的研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 文章的内容框架 | 第13-15页 |
| 第二章 语音情感识别算法理论 | 第15-26页 |
| 2.1 语音信号预处理 | 第15-17页 |
| 2.2 语音特征提取 | 第17-19页 |
| 2.3 情感识别分类算法 | 第19-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 贝叶斯网络算法理论 | 第26-39页 |
| 3.1 贝叶斯网络理论基础 | 第26-30页 |
| 3.1.1. 基本原理 | 第26-28页 |
| 3.1.2. 贝叶斯网络性质 | 第28-29页 |
| 3.1.3. 贝叶斯网络分类 | 第29-30页 |
| 3.2 结构学习 | 第30-32页 |
| 3.2.1. 基于搜索评分的算法 | 第30-32页 |
| 3.2.2. 基于约束的算法 | 第32页 |
| 3.3 参数学习 | 第32-34页 |
| 3.3.1. 最大似然估计 | 第33页 |
| 3.3.2. 贝叶斯估计 | 第33-34页 |
| 3.4 贝叶斯网络推理 | 第34-35页 |
| 3.5 Full-BNT 工具箱介绍 | 第35-37页 |
| 3.6 贝叶斯网络特性 | 第37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 基于混淆矩阵的贝叶斯网络生成算法 | 第39-51页 |
| 4.1 混淆矩阵 | 第39-40页 |
| 4.2 置信度分析及其局限性 | 第40-41页 |
| 4.3 算法原理 | 第41-43页 |
| 4.4 基于贝叶斯网络调整算法 | 第43-46页 |
| 4.4.1. 基于混淆矩阵的贝叶斯网络生成算法流程 | 第43-44页 |
| 4.4.2. 训练算法流程 | 第44-45页 |
| 4.4.3. 测试算法流程 | 第45-46页 |
| 4.5 实验结果 | 第46-50页 |
| 4.5.1. CMBN 结构学习实验 | 第47-49页 |
| 4.5.2. UCI 数据集实验 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于贝叶斯网络的语音情感识别 | 第51-61页 |
| 5.1 实验基础 | 第51-52页 |
| 5.1.1 语音情感数据库 | 第51-52页 |
| 5.1.2 特征提取 | 第52页 |
| 5.2 实验结果分析 | 第52-60页 |
| 5.2.1. 两类分类实验 | 第52-55页 |
| 5.2.2. 多类分类实验 | 第55-58页 |
| 5.2.3. 基于 CMBN 的 SVM 语音情感分类 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |