基于支持向量机的说话人识别
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究背景 | 第8-9页 |
| ·说话人识别概述 | 第9-15页 |
| ·说话人识别的分类 | 第10页 |
| ·说话人识别的应用 | 第10-11页 |
| ·说话人识别基本原理 | 第11-15页 |
| ·SVM 概述 | 第15-16页 |
| ·本论文结构 | 第16-18页 |
| 第二章 语音信号的预处理和特征提取 | 第18-30页 |
| ·语音信号的预处理 | 第18-26页 |
| ·去噪处理 | 第18页 |
| ·预加重 | 第18-19页 |
| ·分帧加窗处理 | 第19-20页 |
| ·端点检测 | 第20-26页 |
| ·特征提取 | 第26-28页 |
| ·基于听觉特性的Mel 频率倒谱参数 | 第27页 |
| ·美尔倒谱的计算 | 第27-28页 |
| ·美尔倒谱一阶差分的计算 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 支持向量机 | 第30-52页 |
| ·统计学习理论的基础 | 第30-33页 |
| ·VC 维概念 | 第30-31页 |
| ·经验风险最小化原则 | 第31-32页 |
| ·结构风险最小化原则 | 第32-33页 |
| ·支持向量机简介 | 第33-43页 |
| ·线性可分情况 | 第34-37页 |
| ·线性不可分情况 | 第37-40页 |
| ·非线性情况 | 第40-43页 |
| ·SVM 的多类分类问题 | 第43-48页 |
| ·二元支持向量机的组合 | 第44页 |
| ·结合二叉决策树的SVM 说话人识别 | 第44-48页 |
| ·基于SVM 的小数据量测试 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 支持向量机的训练算法 | 第52-68页 |
| ·停机准则 KKT 条件 | 第52-54页 |
| ·块算法与分解算法 | 第54-55页 |
| ·序贯最小优化算法(SMO) | 第55-65页 |
| ·序贯最小优化算法的基本原理 | 第56页 |
| ·两个拉格朗日乘子的优化 | 第56-60页 |
| ·两个待优化拉格朗日乘子的选取 | 第60-62页 |
| ·每次最小优化后的重置 | 第62-64页 |
| ·两个待优化拉格朗日乘子的选取的改进算法 | 第64-65页 |
| ·支持向量机的训练算法对比实验 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 实验 | 第68-84页 |
| ·语音信号的采集 | 第68-69页 |
| ·验证实验 | 第69-76页 |
| ·实验性能的评定 | 第69-70页 |
| ·训练样本规模对于实验性能的影响 | 第70-72页 |
| ·语音特征参数中不同维数倒谱分量对分类效果的影响 | 第72-73页 |
| ·分类器的参数对分类性能的影响 | 第73-75页 |
| ·测试样本规模对于识别性能的影响 | 第75-76页 |
| ·说话人识别实验 | 第76-79页 |
| ·前端处理和特征提取 | 第76页 |
| ·说话人辨认模型 | 第76页 |
| ·说话人识别阶段的程序流程图 | 第76-79页 |
| ·仿真实验及结果 | 第79页 |
| ·汉语孤立数字语音识别 | 第79-82页 |
| ·研究意义及难点分析 | 第80页 |
| ·前端处理 | 第80-81页 |
| ·特征提取 | 第81页 |
| ·汉语孤立数字语音识别的仿真实验 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第六章 总结与展望 | 第84-86页 |
| ·全文总结 | 第84-85页 |
| ·工作展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 摘要 | 第90-92页 |
| Abstract | 第92-95页 |
| 致谢 | 第95页 |
