摘要 | 第4-5页 |
Abstract | 第5页 |
专用术语注释表 | 第11-12页 |
第一章 绪论 | 第12-22页 |
1.1 研究背景与意义 | 第12-13页 |
1.2 研究历史与现状 | 第13-20页 |
1.2.1 情感描述模型 | 第13-15页 |
1.2.2 语音情感数据库 | 第15-17页 |
1.2.3 语音情感特征 | 第17-18页 |
1.2.4 语音情感特征降维 | 第18页 |
1.2.5 语音情感分类算法 | 第18-20页 |
1.3 本文的主要工作及章节结构 | 第20-22页 |
第二章 语音情感识别基础 | 第22-36页 |
2.1 语音情感库的建立 | 第22-23页 |
2.1.1 情感语料的设计 | 第22-23页 |
2.1.2 情感语句的录制 | 第23页 |
2.1.3 数据有效性检验 | 第23页 |
2.2 语音情感信号的预处理 | 第23-25页 |
2.2.1 预加重 | 第24页 |
2.2.2 加窗和分帧 | 第24页 |
2.2.3 端点检测 | 第24-25页 |
2.3 语音情感特征参数的提取与分析 | 第25-33页 |
2.3.1 语速 | 第25-26页 |
2.3.2 短时过零率 | 第26-27页 |
2.3.3 振幅和能量 | 第27-29页 |
2.3.4 基音频率 | 第29-31页 |
2.3.5 共振峰 | 第31-32页 |
2.3.6 Mel频率倒谱系数 | 第32-33页 |
2.4 语音情感特征向量归一化 | 第33-34页 |
2.5 本章小结 | 第34-36页 |
第三章 基于核C均值聚类与核K近邻分类的语音情感识别 | 第36-54页 |
3.1 核函数方法 | 第36-38页 |
3.1.1 基本原理 | 第36-37页 |
3.1.2 常见的核函数 | 第37-38页 |
3.2 核C均值聚类与核K近邻 | 第38-43页 |
3.2.1 C均值聚类 | 第39-40页 |
3.2.2 核C均值聚类 | 第40-41页 |
3.2.3 K近邻 | 第41-42页 |
3.2.4 核K近邻算法 | 第42-43页 |
3.3 基于KCM_KKNN的语音情感识别 | 第43-45页 |
3.3.1 基于主元分析的语音情感特征降维 | 第43-44页 |
3.3.2 KCM_KKNN分类算法 | 第44-45页 |
3.4 KCM KKNN算法的改进 | 第45-50页 |
3.4.1 模糊核C均值聚类 | 第45-48页 |
3.4.2 模糊核K近邻 | 第48-49页 |
3.4.3 基于FKCM_FKKNN的语音情感识别 | 第49-50页 |
3.5 语音情感识别实验 | 第50-52页 |
3.6 本章小结 | 第52-54页 |
第四章 基于核稀疏表示的语音情感识别 | 第54-68页 |
4.1 基于核稀疏表示的分类算法 | 第54-59页 |
4.1.1 SRC算法 | 第54-56页 |
4.1.2 KSRC算法 | 第56-58页 |
4.1.3 KSRC在语音情感识别中的应用 | 第58-59页 |
4.2 基于改进核稀疏表示的分类算法 | 第59-62页 |
4.2.1 LC-WKSRC算法 | 第59-61页 |
4.2.2 LC-WKSRC算法在语音情感识别中的应用 | 第61-62页 |
4.3 语音情感识别实验 | 第62-66页 |
4.4 本章小结 | 第66-68页 |
第五章 基于改进支持向量机的语音情感识别 | 第68-82页 |
5.1 支持向量机算法 | 第68-73页 |
5.1.1 线性支持向量机 | 第68-71页 |
5.1.2 非线性支持向量机 | 第71-72页 |
5.1.3 支持向量机的多类分类问题 | 第72-73页 |
5.2 支持向量机中的核函数改进 | 第73-78页 |
5.2.1 引入特征重要性信息的核函数 | 第74-76页 |
5.2.2 基于改进基核的组合核函数 | 第76页 |
5.2.3 改进SVM的参数优化 | 第76-78页 |
5.3 改进支持向量机的语音情感识别流程 | 第78-79页 |
5.4 语音情感识别实验 | 第79-81页 |
5.5 本章小结 | 第81-82页 |
第六章 总结与展望 | 第82-84页 |
6.1 总结 | 第82页 |
6.2 展望 | 第82-84页 |
致谢 | 第84-86页 |
参考文献 | 第86-90页 |
攻读硕士学位期间发表的论文 | 第90页 |