| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 目录 | 第11-16页 |
| 符号对照表 | 第16-19页 |
| 英文縮写对照表 | 第19-21页 |
| 图索引 | 第21-25页 |
| 表索引 | 第25-28页 |
| 第一章 绪论 | 第28-46页 |
| ·课题的目的和意义 | 第28-29页 |
| ·人工蜂群算法的国内外研究现状 | 第29-32页 |
| ·算法的诞生 | 第30页 |
| ·算法的理论研究 | 第30页 |
| ·人工蜂群算法的应用领域 | 第30-31页 |
| ·算法的改进研究 | 第31页 |
| ·人工蜂群算法存在的问题 | 第31-32页 |
| ·语音识别概述及国内外研究现状 | 第32-42页 |
| ·语音信号预处理 | 第32-34页 |
| ·语音信号特征提取 | 第34-37页 |
| ·语音识别模型 | 第37-40页 |
| ·语音识别的国内外研究现状 | 第40-42页 |
| ·论文主要研究内容及创新点 | 第42-45页 |
| ·论文结构和章节安排 | 第45-46页 |
| 第二章 人工蜂群算法的性能分析 | 第46-70页 |
| ·引言 | 第46页 |
| ·一些智能优化算法 | 第46-52页 |
| ·蚁群算法 | 第47页 |
| ·粒子群算法 | 第47-49页 |
| ·细菌觅食算法 | 第49页 |
| ·人工鱼群算法 | 第49-50页 |
| ·混合蛙跳算法 | 第50-51页 |
| ·猫群算法 | 第51-52页 |
| ·人工蜂群算法 | 第52-58页 |
| ·蜜蜂的采蜜过程 | 第53-54页 |
| ·人工蜂群算法的基本模型 | 第54-55页 |
| ·人工蜂群算法的搜索过程 | 第55-57页 |
| ·人工蜂群算法的实现步骤 | 第57-58页 |
| ·人工蜂群算法的性能分析 | 第58-60页 |
| ·人工蜂群算法的共性 | 第58页 |
| ·人工蜂群算法的特性 | 第58-59页 |
| ·人工蜂群算法的复杂度分析 | 第59-60页 |
| ·人工蜂群算法优化性能分析实验 | 第60-69页 |
| ·测试用的标准函数 | 第60-63页 |
| ·实验结果及分析 | 第63-69页 |
| ·本章小结 | 第69-70页 |
| 第三章 人工蜂群算法的收敛性分析 | 第70-84页 |
| ·引言 | 第70页 |
| ·相关数学知识 | 第70-73页 |
| ·人工蜂群算法的数学基础 | 第73-76页 |
| ·人工蜂群算法的数学定义 | 第73页 |
| ·人工蜂群算法的Markov链模型 | 第73-76页 |
| ·人工蜂群算法的全局收敛性分析 | 第76-79页 |
| ·随机优化算法的收敛标准 | 第77-78页 |
| ·人工蜂群算法的全局收敛性 | 第78-79页 |
| ·人工蜂群算法的几乎处处收敛性分析 | 第79-83页 |
| ·鞅收敛理论 | 第79-81页 |
| ·人工蜂群算法几乎处处强收敛性分析 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第四章 人工蜂群算法改进DHMM的孤立词语音识别 | 第84-104页 |
| ·引言 | 第84页 |
| ·DHMM的语音识别系统 | 第84-88页 |
| ·HMM模型 | 第84-88页 |
| ·DHMM的语音识别方法 | 第88页 |
| ·基于人工蜂群算法的码书设计 | 第88-92页 |
| ·矢量量化 | 第88-89页 |
| ·LBG算法 | 第89-90页 |
| ·人工蜂群算法的码书设计 | 第90-92页 |
| ·人工蜂群算法改进DHMM的语音识别实验 | 第92-96页 |
| ·实验过程 | 第92-93页 |
| ·实验建立 | 第93-94页 |
| ·实验结果及分析 | 第94-96页 |
| ·混沌时变人工蜂群算法改进DHMM的语音识别 | 第96-102页 |
| ·混沌时变人工蜂群算法 | 第97-99页 |
| ·混沌时变人工蜂群算法的码书设计 | 第99页 |
| ·实验结果与分析 | 第99-102页 |
| ·本章小结 | 第102-104页 |
| 第五章 人工蜂群算法优化模糊神经网络的语音识别方法 | 第104-125页 |
| ·引言 | 第104页 |
| ·模糊神经网络 | 第104-110页 |
| ·人工神经网络 | 第104-105页 |
| ·模糊逻辑系统 | 第105-106页 |
| ·模糊神经网络 | 第106-108页 |
| ·模糊神经网络的语音识别方法 | 第108-110页 |
| ·人工蜂群算法优化模糊神经网络的学习算法 | 第110-114页 |
| ·常见的模糊神经网络的学习方法 | 第110-111页 |
| ·人工蜂群算法优化模糊神经网络的学习算法 | 第111-114页 |
| ·人工蜂群算法优化模糊神经网络的语音识别实验 | 第114-118页 |
| ·实验过程 | 第114-115页 |
| ·实验环境与参数设置 | 第115页 |
| ·实验结果与分析 | 第115-118页 |
| ·排序分裂选择的人工蜂群算法优化模糊神经网络 | 第118-124页 |
| ·人工蜂群算法的选择策略 | 第118-119页 |
| ·排序分裂选择的人工蜂群算法 | 第119-121页 |
| ·排序分裂选择的人工蜂群算法优化模糊神经网络 | 第121页 |
| ·实验结果及分析 | 第121-124页 |
| ·本章小结 | 第124-125页 |
| 第六章 人工蜂群算法优化SVM的语音识别方法 | 第125-145页 |
| ·引言 | 第125页 |
| ·支持向量机的语音识别原理 | 第125-129页 |
| ·支持向量机的分类原理 | 第126-129页 |
| ·支持向量机的语音识别方法 | 第129页 |
| ·支持向量机的参数选择 | 第129-132页 |
| ·核函数的选择 | 第130页 |
| ·支持向量机参数的选择 | 第130-132页 |
| ·人工蜂群算法优化SVM参数的语音识别方法 | 第132-134页 |
| ·人工蜂群算法优化SVM参数 | 第132-134页 |
| ·ABC优化SVM参数的语音识别 | 第134页 |
| ·ABC优化SVM参数的语音识别实验 | 第134-144页 |
| ·实验建立 | 第134-135页 |
| ·实验结果及分析 | 第135-144页 |
| ·本章小结 | 第144-145页 |
| 第七章 总结和展望 | 第145-148页 |
| ·论文总结 | 第145-147页 |
| ·工作展望 | 第147-148页 |
| 参考文献 | 第148-161页 |
| 致谢 | 第161-162页 |
| 攻读博士学位期间发表的论文 | 第162-163页 |
| 攻读博士学位期间科研情况 | 第163页 |