| 第一章 绪论 | 第1-18页 |
| ·语音识别的发展历史及现状 | 第11-14页 |
| ·语音识别的难点 | 第14-15页 |
| ·本文选题的依据和意义 | 第15-17页 |
| ·本文的内容安排 | 第17-18页 |
| 第二章 隐马尔可夫模型(HMM)的基本原理及其在语音识别中的应用 | 第18-27页 |
| ·HMM基本原理 | 第18-19页 |
| ·马尔可夫链 | 第18-19页 |
| ·隐马尔可夫模型(HMM) | 第19页 |
| ·HMM的三个基本问题 | 第19-25页 |
| ·HMM评价问题—前向后向算法 | 第20-21页 |
| ·HMM解码问题——Viterbi算法 | 第21-22页 |
| ·HMM学习问题Baum-Welch算法 | 第22-24页 |
| ·HMM的结构 | 第24-25页 |
| ·HMM在语音识别中的应用及其特点 | 第25-27页 |
| 第三章 一种人机结合的连续数字音节建模样本的特征提取方法 | 第27-44页 |
| ·汉语数码语音库的设计 | 第27-28页 |
| ·常用的特征提取方法 | 第28-34页 |
| ·线性预测倒谱系数(LPCC) | 第28-32页 |
| ·MEL频率倒谱参数(MFCC) | 第32-34页 |
| ·一种人机结合的连续数字音节样本的特征提取方法 | 第34-44页 |
| ·人机结合的意义 | 第34-35页 |
| ·数字切分和MFCC变换 | 第35-37页 |
| ·按照一定的夹角距离对语音数据进行压缩 | 第37-40页 |
| ·等长度规整数字音节样本 | 第40-44页 |
| 第四章 高维空间点覆盖方法在连续数字单词音节神经网络建模中的应用 | 第44-63页 |
| ·形象思维的概念和重要意义 | 第44-46页 |
| ·高维空间几何的分析方法 | 第46-53页 |
| ·高维空间几何的概念 | 第46-50页 |
| ·高维空间中的元素之间的相互关系及度量 | 第50-52页 |
| ·几何概念的推广——抽象的高维几何空间 | 第52-53页 |
| ·高维空间点覆盖理论 | 第53-57页 |
| ·基于高维空间点覆盖动态搜索理论的非特定人连续数字语音识别方法 | 第57-63页 |
| 第五章 HMM方法和高维空间点覆盖方法对数字音节建模的实验及分析 | 第63-83页 |
| ·对HMM和高维空间点覆盖方法建模能力的试验 | 第63-70页 |
| ·对HMM和高维空间点覆盖方法建模能力的试验 | 第63-68页 |
| ·对HMM和高维空间点覆盖方法建模能力试验的分析 | 第68-70页 |
| ·对高维空间点覆盖方法学习能力的试验 | 第70-83页 |
| 第六章 总结与展望 | 第83-86页 |
| ·本文的工作总结 | 第83-85页 |
| ·存在的问题和未来工作展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 作者攻读硕士学位期间发表论文 | 第91页 |
