| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-27页 |
| ·课题背景 | 第13-14页 |
| ·音频分类系统及研究现状 | 第14-18页 |
| ·音频分类系统 | 第14-16页 |
| ·研究现状 | 第16-18页 |
| ·复杂音频分类面临的问题 | 第18-20页 |
| ·本文创新点及结构安排 | 第20-22页 |
| ·本文创新点 | 第20-22页 |
| ·本文结构安排 | 第22页 |
| 参考文献 | 第22-27页 |
| 第二章 基于聚类的待标记训练样本选择 | 第27-51页 |
| ·引言 | 第27-28页 |
| ·样本选择标准 | 第28-29页 |
| ·生成式模型样本选择标准 | 第28-29页 |
| ·判别式模型样本选择标准 | 第29页 |
| ·基于聚类的待标记训练样本选择算法 | 第29-42页 |
| ·聚类算法介绍 | 第30-34页 |
| ·生成式模型中待标记样本选择算法 | 第34-38页 |
| ·判别式模型中待标记样本选择算法 | 第38-42页 |
| ·实验 | 第42-48页 |
| ·实验设置 | 第42-44页 |
| ·K-means聚类算法和AP聚类算法性能比较 | 第44-45页 |
| ·生成式模型分类器中RSS、KPLSS和APPLSS算法比较 | 第45-47页 |
| ·判别式模型分类器中RSS、KSS、APSS、KKSS与KAPSS算法比较 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 第三章 常用特征提取及选抒 | 第51-71页 |
| ·引言 | 第51页 |
| ·常用特征及提取方法 | 第51-59页 |
| ·帧特征 | 第52-58页 |
| ·片段特征 | 第58-59页 |
| ·特征选择 | 第59-64页 |
| ·常用特征选择方法 | 第59-60页 |
| ·GDM特征选择算法 | 第60-64页 |
| ·实验 | 第64-68页 |
| ·实验设置 | 第64页 |
| ·GDM特征选择算法与GMSM特征选择算法性能比较 | 第64-65页 |
| ·GDM特征选择算法与基于Gaussian的DM特征选择算法比较 | 第65-66页 |
| ·GMM距离度量准则对GDM特征选择算法的影响 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 第四章 基于高斯混合分量聚类的Fisher得分 | 第71-93页 |
| ·引言 | 第71-72页 |
| ·高斯混合模型 | 第72-75页 |
| ·支持向量机 | 第75-80页 |
| ·基于混合分量聚类的Fisher得分空间分类算法 | 第80-85页 |
| ·问题描述 | 第80页 |
| ·Fisher得分 | 第80-82页 |
| ·基于混合分量聚类的Fisher得分 | 第82-85页 |
| ·实验 | 第85-89页 |
| ·实验设置 | 第85-86页 |
| ·GMM分类器与SVM分类器性能比较 | 第86页 |
| ·GMM-SVM分类器与SVM分类器比较 | 第86-87页 |
| ·SGMM-SVM分类器与UGMM-SVM分类器比较 | 第87-88页 |
| ·CGMM-SVM分类器与RGMM-SVM分类器、UGMM-SVM分类器比较 | 第88页 |
| ·基于不同距离度量的CGMM-SVM分类器性能比较 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 第五章 半监督学习中的未标记样本选择 | 第93-111页 |
| ·引言 | 第93-94页 |
| ·半监督学习概述 | 第94-99页 |
| ·半监督学习发展历程 | 第94页 |
| ·半监督学习三个假设 | 第94页 |
| ·半监督学习常用算法 | 第94-99页 |
| ·TSVM中的未标记样本选择 | 第99-102页 |
| ·TSVM算法用于音频多分类 | 第99-100页 |
| ·基于置信度和聚类的未标记样本选择 | 第100-102页 |
| ·实验 | 第102-107页 |
| ·实验设置 | 第102-103页 |
| ·TSVM和SVM音频分类效果比较 | 第103-105页 |
| ·基于不同置信度和聚类的未标记样本选择算法性能比较 | 第105-107页 |
| 参考文献 | 第107-111页 |
| 第六章 结论与展望 | 第111-113页 |
| ·结论 | 第111页 |
| ·研究工作展望 | 第111-113页 |
| 博士期间发表的论文 | 第113-115页 |
| 致谢 | 第115页 |
