| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景及意义 | 第10-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究目的 | 第13-14页 |
| 1.4 研究的内容和方法 | 第14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 第二章 本次研究涉及的机器学习算法 | 第16-24页 |
| 2.1 监督式学习 | 第16-17页 |
| 2.2 神经网络 | 第17-21页 |
| 2.2.1 神经网络概述 | 第17-18页 |
| 2.2.2 神经网络处理过程 | 第18-20页 |
| 2.2.3 神经网络的缺点 | 第20-21页 |
| 2.3 支持向量机 | 第21-23页 |
| 2.3.1 支持向量机概述 | 第21页 |
| 2.3.2 核函数的选择 | 第21-23页 |
| 2.3.3 LIBSVM简介 | 第23页 |
| 本章小结 | 第23-24页 |
| 第三章 湖羊反刍行为识别研究中涉及的音频信号处理相关概念 | 第24-36页 |
| 3.1 降噪声 | 第24-27页 |
| 3.1.1 数字滤波器 | 第24-26页 |
| 3.1.2 谱减法降噪声 | 第26-27页 |
| 3.2 端点检测 | 第27-34页 |
| 3.2.1 双门限法端点检测 | 第27-30页 |
| 3.2.2 频带方差法端点检测基本概念和原理 | 第30-31页 |
| 3.2.3 能零比端点检测法 | 第31-32页 |
| 3.2.4 能熵比端点检测 | 第32页 |
| 3.2.5 vadsohn语音活动检测方法 | 第32-34页 |
| 3.3 梅尔倒谱系数概述 | 第34-35页 |
| 本章小结 | 第35-36页 |
| 第四章 湖羊反刍行为识别模型 | 第36-53页 |
| 4.1 声音采集模块 | 第37-38页 |
| 4.2 音频数据预处理模块 | 第38-40页 |
| 4.3 获取反刍事件候选项模块 | 第40-46页 |
| 4.3.1 固定峰截取法 | 第41页 |
| 4.3.2 端点检测法 | 第41-46页 |
| 4.4 特征提取模块 | 第46-49页 |
| 4.4.1 特征提取 | 第46-48页 |
| 4.4.2 特征值归一化 | 第48-49页 |
| 4.5 识别模型 | 第49-52页 |
| 4.5.1 神经网络模型 | 第49-51页 |
| 4.5.2 支持向量机分类模型 | 第51-52页 |
| 本章小结 | 第52-53页 |
| 第五章 湖羊反刍行为识别系统 | 第53-56页 |
| 5.1 系统设计和实现 | 第53-55页 |
| 5.2 系统的运行和测试 | 第55页 |
| 本章小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-59页 |
| 6.1 研究总结 | 第56-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在校期间的研究成果 | 第62-63页 |
| 致谢 | 第63页 |