基于内容的音频检索技术的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 插图索引 | 第7-8页 |
| 1 绪论 | 第8-23页 |
| ·研究背景和意义 | 第8-12页 |
| ·基于内容的音频检索技术的研究现状 | 第12-13页 |
| ·基于内容的音频检索技术研究的重点 | 第13-21页 |
| ·本文的内容组织和研究工作 | 第21-23页 |
| 2 基于内容的音频检索技术 | 第23-45页 |
| ·引言 | 第23-24页 |
| ·音频的数据模型 | 第24-32页 |
| ·音频短时处理技术及其音频特征 | 第24-29页 |
| ·线性预测技术及其音频特征 | 第29页 |
| ·同态处理与倒谱分析及其音频特征 | 第29-30页 |
| ·音频和谐度估计算法及其音频特征 | 第30-32页 |
| ·隐马尔可夫模型(HMM)基本理论 | 第32-45页 |
| ·HMM的基本思想 | 第33-34页 |
| ·HMM基本算法 | 第34-38页 |
| ·条件概率计算——问题(1) | 第35-36页 |
| ·Viterbi算法——问题(2) | 第36页 |
| ·Baum—Welch算法——问题(3 | 第36-38页 |
| ·HMM算法实现中的问题 | 第38-40页 |
| ·初始模型参数的选取 | 第38-39页 |
| ·比例因子问题(定标处理) | 第39-40页 |
| ·多观察序列的训练 | 第40页 |
| ·HMM的区分能力的改进 | 第40-45页 |
| ·MMI和MCE准则的训练算法 | 第41-43页 |
| ·HMM／NN结合的方法 | 第43-45页 |
| 3 基于内容的音频自动分类算法改进 | 第45-66页 |
| ·引言 | 第45-46页 |
| ·音频特征与提取 | 第46-50页 |
| ·典型的音频分类方法 | 第50-55页 |
| ·最小距离法 | 第50-52页 |
| ·神经网络 | 第52-53页 |
| ·支持向量机 | 第53页 |
| ·决策树方法 | 第53-55页 |
| ·基于HMM的语音／音乐分类算法的改进 | 第55-59页 |
| ·特征分析 | 第55-57页 |
| ·分类器的设计 | 第57-58页 |
| ·算法分析 | 第58页 |
| ·小结 | 第58-59页 |
| ·基于HMM的一般音频分类算法的改进 | 第59-65页 |
| ·特征分析 | 第59页 |
| ·MCE准则的HMM学习算法 | 第59-62页 |
| ·HMM和SVM相结合的分类器 | 第62-64页 |
| ·算法分析 | 第64页 |
| ·小结 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 4 结论 | 第66-68页 |
| ·本文的主要工作 | 第66-67页 |
| ·基于内容的音频检索技术未来关注的问题 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士期间发表的论文 | 第74页 |
