基于稀疏分解的音频场景识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究目的和意义 | 第10-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·音频场景识别中的特征研究现状 | 第14-15页 |
| ·音频场景识别中的模型研究现状 | 第15-16页 |
| ·稀疏分解的研究现状 | 第16-17页 |
| ·本文的主要研究内容 | 第17-19页 |
| 第2章 音频场景识别基本理论 | 第19-34页 |
| ·音频信号处理中常用的特征 | 第19-25页 |
| ·音频信号的预处理 | 第19-20页 |
| ·音频信号的时域特征 | 第20-21页 |
| ·音频信号的频域特征 | 第21-24页 |
| ·音频信号的其他特征 | 第24-25页 |
| ·音频信号处理中常用的识别方法 | 第25-31页 |
| ·隐马尔可夫模型 | 第26-27页 |
| ·高斯混合模型 | 第27-31页 |
| ·特征数据分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于稀疏分解的音频场景识别方法 | 第34-54页 |
| ·基于稀疏分解的音频场景识别方法 | 第34-46页 |
| ·信号的稀疏分解 | 第35-42页 |
| ·基于稀疏分解的音频场景识别方法 | 第42-44页 |
| ·实验分析 | 第44-46页 |
| ·基于稀疏特征和 SVM 的音频场景识别方法 | 第46-53页 |
| ·稀疏特征的获取 | 第46-48页 |
| ·SVM 的基础知识 | 第48-50页 |
| ·基于稀疏特征的 SVM 音频场景识别方法 | 第50-51页 |
| ·实验分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于特征加权 SVM 的音频场景识别方法 | 第54-65页 |
| ·特征加权 | 第54-55页 |
| ·特征加权 SVM | 第55-58页 |
| ·基本思想 | 第55页 |
| ·加权矢量优化 | 第55-56页 |
| ·算法描述 | 第56-58页 |
| ·基于特征加权 SVM 的音频场景识别方法 | 第58-62页 |
| ·识别方法框架 | 第58-59页 |
| ·训练过程 | 第59-60页 |
| ·识别过程 | 第60-61页 |
| ·实验与分析 | 第61-62页 |
| ·基于加权矢量的快速音频场景识别方法 | 第62-64页 |
| ·基本思想 | 第62页 |
| ·算法描述 | 第62-63页 |
| ·实验及分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
