| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究目的和意义 | 第11-12页 |
| ·流形学习研究现状 | 第12-14页 |
| ·流形学习定义 | 第12-13页 |
| ·流形学习国内外研究现状 | 第13-14页 |
| ·语音信号处理技术研究概况 | 第14-15页 |
| ·基于内容的图像检索技术研究概况 | 第15-18页 |
| ·图像检索技术介绍 | 第15-17页 |
| ·基于内容的图像检索技术研究现状 | 第17-18页 |
| ·论文的结构安排 | 第18-20页 |
| 第2章 流形学习算法介绍 | 第20-43页 |
| ·全局线性流形学习算法 | 第20-23页 |
| ·主成分分析(PCA) | 第20-21页 |
| ·Fisher线性辨别分析(LDA) | 第21-23页 |
| ·多维尺度变换(MDS) | 第23页 |
| ·基于谱图理论的非线性流形学习算法 | 第23-31页 |
| ·等距映射(ISOMAP) | 第24-26页 |
| ·局部线性嵌入(LLE) | 第26-27页 |
| ·拉普拉斯特征映射(Laplacian Eigenmaps) | 第27-29页 |
| ·Hessian特征映射(Hessian Eigenmap) | 第29页 |
| ·核主成分分析(Kernel Principal Component Analysis) | 第29-30页 |
| ·局部切空间排列(LTSA) | 第30-31页 |
| ·扩散映射(Diffusion Map) | 第31页 |
| ·主曲线理论 | 第31-36页 |
| ·HS主曲线 | 第32-34页 |
| ·T主曲线 | 第34-35页 |
| ·D主曲线 | 第35页 |
| ·多边形主曲线 | 第35-36页 |
| ·流形学习算法性能分析 | 第36-42页 |
| ·谱图理论流形学习算法性能分析 | 第36-41页 |
| ·主曲线算法性能分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 语音信号预处理 | 第43-48页 |
| ·语音识别基元的选取 | 第43-44页 |
| ·语音信号预处理 | 第44-45页 |
| ·放大、滤波、A/D转换 | 第44页 |
| ·预加重 | 第44页 |
| ·分帧 | 第44-45页 |
| ·加窗 | 第45页 |
| ·端点检测 | 第45页 |
| ·语音特征参数提取 | 第45-47页 |
| ·线性预测(LPC)及其倒谱系数(LPCC) | 第46页 |
| ·Mel频率倒谱系数(MFCC) | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于多边形线建立双音素子空间模型 | 第48-60页 |
| ·多边形主曲线算法 | 第48-54页 |
| ·多边形线算法在双音素建模中的具体实现 | 第54-57页 |
| ·TC-PCA方法的应用 | 第54-56页 |
| ·多边形主曲线建模 | 第56-57页 |
| ·实验结果和性能分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于HSV空间的彩色图像降维及分类 | 第60-71页 |
| ·颜色特征的提取 | 第60-61页 |
| ·彩色图像ISOMAP的降维及分类的实现 | 第61-66页 |
| ·基于HSV空间的图像ISOMAP的降维及分类算法步骤 | 第61-63页 |
| ·图像空间转换及量化 | 第63-66页 |
| ·实验结果及数据分析 | 第66-70页 |
| ·ISOMAP算法与PCA算法分类性能比较 | 第66-67页 |
| ·图像降维前与ISOMAP降维后检索性能比较 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
