基于卷积神经网络的语音情感识别
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 语音情感识别的概述 | 第10-11页 |
| 1.2 语音情感识别的发展历史 | 第11-12页 |
| 1.3 传统人工神经网络的发展历史 | 第12-13页 |
| 1.4 深度学习神经网络的发展历史 | 第13-15页 |
| 1.5 论文组织架构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第2章 语音情感识别的基本理论 | 第17-27页 |
| 2.1 语音情感数据库介绍 | 第17-19页 |
| 2.1.1 Belfast英语情感数据库 | 第18页 |
| 2.1.2 柏林EMODB德语情感数据库 | 第18页 |
| 2.1.3 FAU AIBO儿童德语情感数据库 | 第18-19页 |
| 2.1.4 CASIA汉语情感数据库 | 第19页 |
| 2.1.5 ACCorpus系列汉语情感数据库 | 第19页 |
| 2.1.6 Surrey视听表情情感数据库 | 第19页 |
| 2.2 语音信号预处理 | 第19-21页 |
| 2.2.1 语音信号采样与量化 | 第20页 |
| 2.2.2 语音信号分帧加窗 | 第20-21页 |
| 2.3 语音情感特征及其提取 | 第21-23页 |
| 2.3.1 语音情感特征MFCC | 第22页 |
| 2.3.2 语音情感特征短时能量 | 第22-23页 |
| 2.3.3 语音情感特征统计函数 | 第23页 |
| 2.4 特征选择算法 | 第23-24页 |
| 2.5 语音情感识别分类算法 | 第24-26页 |
| 2.5.1 高斯混合模型GMM | 第24-25页 |
| 2.5.2 支持向量机SVM | 第25页 |
| 2.5.3 隐马尔科夫模型HMM | 第25-26页 |
| 2.5.4 Softmax回归分类器 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 传统的人工神经网络基本理论 | 第27-34页 |
| 3.1 神经网络基本知识 | 第27-31页 |
| 3.1.1 神经网络模型 | 第28-30页 |
| 3.1.2 神经网络类别 | 第30-31页 |
| 3.2 反向传播算法 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 深度学习神经网络基本理论 | 第34-42页 |
| 4.1 深度学习神经网络概述 | 第34-36页 |
| 4.2 深度学习神经网络常用模型 | 第36页 |
| 4.3 深度学习神经网络训练加速 | 第36-39页 |
| 4.3.1 GPU加速 | 第37-38页 |
| 4.3.2 数据并行 | 第38页 |
| 4.3.3 计算集群 | 第38-39页 |
| 4.4 深度学习神经网络的软件工具及平台介绍 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于卷积神经网络的语音情感识别 | 第42-59页 |
| 5.1 基于卷积神经网络的改进算法CFSNNs | 第42-45页 |
| 5.2 实验评价标准 | 第45-46页 |
| 5.3 特征选择算法选择 | 第46-47页 |
| 5.4 分类器选择对比实验 | 第47-50页 |
| 5.5 基于CFSNNs算法的说话人独立实验 | 第50-55页 |
| 5.5.1 在EMODB数据库上的说话人独立实验 | 第50-52页 |
| 5.5.2 在CASIA数据库上的说话人独立实验 | 第52-53页 |
| 5.5.3 在SAVEE数据库上的说话人独立实验 | 第53-55页 |
| 5.5.4 本节实验小结 | 第55页 |
| 5.6 在FAU数据库上说话人独立实验 | 第55-57页 |
| 5.6.1 FAU数据库实验标准 | 第56页 |
| 5.6.2 FAU数据库实验结果分析 | 第56-57页 |
| 5.7 本章小结 | 第57-59页 |
| 总结与展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |
