| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究发展现状 | 第16-21页 |
| 1.2.1 支持向量机的研究现状 | 第16-18页 |
| 1.2.2 异常声音特征提取和识别的研究现状 | 第18-20页 |
| 1.2.3 支持向量机参数优化的研究现状 | 第20-21页 |
| 1.3 论文主要内容与结构安排 | 第21-25页 |
| 1.3.1 论文主要研究内容 | 第21-22页 |
| 1.3.2 论文结构安排 | 第22-25页 |
| 第二章 基于EEMD的异常声音特征提取 | 第25-41页 |
| 2.1 异常声音信号 | 第25-30页 |
| 2.1.1 异常声音的特性分析 | 第25-28页 |
| 2.1.2 预处理 | 第28-30页 |
| 2.2 EEMD算法理论 | 第30-32页 |
| 2.3 基于EEMD的特征提取方法 | 第32-39页 |
| 2.3.1 特征参数 | 第32-35页 |
| 2.3.2 特征提取改进算法 | 第35-36页 |
| 2.3.3 仿真实验与分析 | 第36-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第三章 支持向量机理论及其多类识别算法 | 第41-55页 |
| 3.1 统计学习理论 | 第41-43页 |
| 3.1.1 VC维理论和推广性的界 | 第41-42页 |
| 3.1.2 结构风险最小化 | 第42-43页 |
| 3.2 支持向量机理论 | 第43-48页 |
| 3.2.1 最优分类超平面 | 第43-44页 |
| 3.2.2 线性与非线性支持向量机 | 第44-47页 |
| 3.2.3 核函数 | 第47-48页 |
| 3.3 支持向量机的多类识别方法 | 第48-50页 |
| 3.4 改进的决策导向无环图支持向量机算法 | 第50-51页 |
| 3.5 仿真实验与分析 | 第51-54页 |
| 3.5.1 改进的DDAGSVM算法对不同声音信号识别率的影响 | 第51-52页 |
| 3.5.2 不同识别算法对声音信号识别率的影响 | 第52-53页 |
| 3.5.3 不同识别算法的时间复杂度分析 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 基于PSO-PF算法的支持向量机参数优化 | 第55-69页 |
| 4.1 支持向量机的参数分析 | 第55-56页 |
| 4.1.1 待优化的参数 | 第55页 |
| 4.1.2 参数的评价方式和优化方案 | 第55-56页 |
| 4.2 粒子群优化算法 | 第56-59页 |
| 4.2.1 粒子群优化算法的基本原理 | 第56-57页 |
| 4.2.2 粒子群优化算法的数学模型和实现流程 | 第57-59页 |
| 4.3 粒子滤波 | 第59-62页 |
| 4.3.1 贝叶斯滤波原理 | 第59-60页 |
| 4.3.2 粒子滤波原理与实现 | 第60-62页 |
| 4.4 基于PSO-PF算法的支持向量机参数优化方法 | 第62-68页 |
| 4.4.1 PSO-PF算法的原理与参数优化步骤 | 第62-64页 |
| 4.4.2 仿真实验与分析 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-81页 |