| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·语种识别的发展 | 第10-12页 |
| ·语种识别的应用 | 第12-13页 |
| ·基于支持向量机的语种识别 | 第13-14页 |
| ·NIST LRE 介绍 | 第14-17页 |
| ·数据介绍 | 第15-16页 |
| ·性能评测 | 第16-17页 |
| ·论文的结构 | 第17-19页 |
| 第2章 基于支持向量机的语种识别的前端处理 | 第19-32页 |
| ·语种识别所用的参数 | 第19-25页 |
| ·线性预测倒谱系数LPCC | 第19-22页 |
| ·梅尔刻度式倒谱参数MFCC | 第22-24页 |
| ·其他参数 | 第24-25页 |
| ·各种鲁棒性手段的顺序 | 第25-28页 |
| ·CMS | 第26页 |
| ·RASTA | 第26页 |
| ·VAD和短时规整 | 第26-28页 |
| ·VTLN | 第28-30页 |
| ·得分域上的规整 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于层次化的支持向量机的语种识别 | 第32-50页 |
| ·支持向量机 | 第32-37页 |
| ·最优分类面 | 第33-35页 |
| ·线性不可分情况（广义最优分类面） | 第35页 |
| ·高维空间的内积运算 | 第35-36页 |
| ·支持向量机 | 第36-37页 |
| ·基于广义线性区分性序列核函数的SVM语种识别系统 | 第37-42页 |
| ·传统SVM方法在语种识别上应用 | 第37-38页 |
| ·广义线性区分性序列核函数在语种识别上的应用 | 第38-42页 |
| ·改进的GLDS-SVM系统 | 第42-49页 |
| ·层次化SVM系统 | 第43-47页 |
| ·多特征融合 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于GMM-SVM的语种识别 | 第50-75页 |
| ·高斯混合模型 | 第50-52页 |
| ·GMM超矢量均值核函数 | 第52-59页 |
| ·均值核函数 | 第54-56页 |
| ·GSV在语种识别中的应用 | 第56-59页 |
| ·扰动属性投影 | 第59-65页 |
| ·GMM超矢量的方差核函数 | 第65-70页 |
| ·核函数 | 第66-68页 |
| ·Model Pushing | 第68-70页 |
| ·Key Selection | 第70-74页 |
| ·特征选择 | 第71-72页 |
| ·试验结果 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第5章 结束语 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 在读期间发表的学术论文与取得的研究成果 | 第83页 |
| 发表论文 | 第83页 |
| 硕士期间研究经历 | 第83页 |