基于支持向量数据描述的说话人识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-23页 |
| ·研究背景和意义 | 第11-12页 |
| ·说话人识别系统框架 | 第12-17页 |
| ·语音信号预处理 | 第13页 |
| ·特征参数提取 | 第13-14页 |
| ·识别模型 | 第14-16页 |
| ·得分判决 | 第16-17页 |
| ·国内外研究现状 | 第17-21页 |
| ·研究内容与结构安排 | 第21-23页 |
| ·论文内容概述 | 第21-22页 |
| ·论文组织结构 | 第22-23页 |
| 第2章 语音信号特征参数 | 第23-28页 |
| ·预处理流程 | 第23-24页 |
| ·特征参数LPCC 的提取 | 第24-25页 |
| ·特征参数MFCC 的提取 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 支持向量机理论 | 第28-43页 |
| ·统计学习理论 | 第28-32页 |
| ·学习过程一致性的条件 | 第28-29页 |
| ·VC 维 | 第29-30页 |
| ·推广性的界 | 第30-31页 |
| ·结构风险最小化 | 第31-32页 |
| ·支持向量机 | 第32-39页 |
| ·支持向量机模型 | 第32-36页 |
| ·核分类思想 | 第36-39页 |
| ·SVM 说话人识别 | 第39-42页 |
| ·SVM 说话人确认 | 第39-40页 |
| ·SVM 说话人辨认 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 密度诱导型数据描述单类分类机 | 第43-53页 |
| ·引言 | 第43-44页 |
| ·支持向量数据描述 | 第44-45页 |
| ·线性SVDD | 第44-45页 |
| ·核化SVDD | 第45页 |
| ·密度诱导型数据域描述分类机 | 第45-47页 |
| ·实验 | 第47-52页 |
| ·数据描述性能对比 | 第47-49页 |
| ·公共数据集识别实验 | 第49-50页 |
| ·说话人辨认实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 说话人识别在声纹锁中的应用 | 第53-61页 |
| ·概述 | 第53-55页 |
| ·生物识别的分类 | 第55-57页 |
| ·硬件设计 | 第57-60页 |
| ·系统结构 | 第57-59页 |
| ·识别流程 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-64页 |
| ·结论 | 第61-62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |
