| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究的背景及意义 | 第10页 |
| ·语音识别的发展与研究现状 | 第10-12页 |
| ·支持向量机与语音识别 | 第12页 |
| ·人工鱼群算法与支持向量机 | 第12-13页 |
| ·本文的结构安排 | 第13-15页 |
| 第二章 支持向量机基础研究 | 第15-30页 |
| ·支持向量机基础 | 第15-23页 |
| ·支持向量机的发展 | 第15-16页 |
| ·统计学习理论核心内容 | 第16-18页 |
| ·最优分类面 | 第18-19页 |
| ·非线性支持向量机 | 第19-22页 |
| ·支持向量机算法 | 第22-23页 |
| ·支持向量机的模型参数选择 | 第23-26页 |
| ·支持向量机的核函数 | 第24-25页 |
| ·支持向量机与参数的关系 | 第25-26页 |
| ·支持向量机的变形算法 | 第26-29页 |
| ·C-SVM算法 | 第27页 |
| ·v-SVM算法 | 第27-28页 |
| ·One-class SVM算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 人工鱼群算法对SVM参数的优化及其应用 | 第30-47页 |
| ·人工鱼群算法 | 第30-34页 |
| ·人工鱼群算法的原理 | 第30-31页 |
| ·人工鱼群算法的流程 | 第31-33页 |
| ·算法参数介绍 | 第33-34页 |
| ·改进人工鱼群算法 | 第34-39页 |
| ·改进人工鱼群算法的原理及流程 | 第34-36页 |
| ·改进人工鱼群算法的性能测试 | 第36-39页 |
| ·AFSA对SVM参数的优化及其在语音识别中的应用 | 第39-46页 |
| ·人工鱼群算法优化支持向量机参数实验 | 第39-40页 |
| ·基本AFSA优化SVM参数实验比较与分析 | 第40-44页 |
| ·改进AFSA优化SVM参数实验比较与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 生境鱼群算法对SVM参数的优化及其应用 | 第47-59页 |
| ·小生境技术基础研究 | 第47-50页 |
| ·小生境的介绍 | 第47-48页 |
| ·小生境的种类 | 第48-50页 |
| ·生境人工鱼群算法 | 第50-54页 |
| ·生境人工鱼群算法的基本原理 | 第50-51页 |
| ·生境人工鱼群算法的流程介绍 | 第51-52页 |
| ·生境人工鱼群算法的性能测试 | 第52-54页 |
| ·生境鱼群算法优化支持向量机参数及其应用 | 第54-58页 |
| ·生境鱼群算法对支持向量机参数的优化 | 第54-56页 |
| ·仿真实验与分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |