| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·支持向量机的介绍与音频分类的研究现状 | 第7-8页 |
| ·论文的主要工作 | 第8-9页 |
| 本章小结 | 第9-10页 |
| 第二章 统计学习理论与支持向量机的原理 | 第10-19页 |
| ·机器学习所面临的问题 | 第10页 |
| ·统计学习理论的核心内容 | 第10-14页 |
| ·学习过程的一致性条件 | 第11-12页 |
| ·VC 维的定义与函数集的学习性能以及可推广性的界 | 第12-14页 |
| ·支持向量机的基本原理 | 第14-18页 |
| ·最大间隔分类器 | 第14-16页 |
| ·软间隔优化与核函数 | 第16-18页 |
| 本章小结 | 第18-19页 |
| 第三章 音频特征的选择和特征集的构造 | 第19-22页 |
| ·音频特征的定义与修正 | 第19-21页 |
| ·特征集的构造 | 第21页 |
| 本章小结 | 第21-22页 |
| 第四章 多类分类策略及数据集精简技术 | 第22-28页 |
| ·多类分类策略 | 第22-24页 |
| ·序贯最小优化算法(SMO)及实现 | 第24-26页 |
| ·数据工作集精简(REDUCED SET METHOD)方法 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第五章 实验分析与讨论 | 第28-42页 |
| ·实验流程框图及预处理方法介绍 | 第28-31页 |
| ·音频样本的选择与音频库的结构 | 第31-32页 |
| ·特征的提取与特征向量可分性性能分析 | 第32-38页 |
| ·MLER 性能分析 | 第32-33页 |
| ·DAMDF 性能分析 | 第33-35页 |
| ·特征向量可分性性能分析 | 第35-38页 |
| ·多类分类器的性能分析 | 第38-41页 |
| 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 研究生学习期间公开发表的文章 | 第46-47页 |
| 附录 | 第47-49页 |
| 论文独创性声明 | 第49页 |
| 论文使用授权声明 | 第49-50页 |