基于改进的HMM/SVM构架的语音识别系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题的目的与意义 | 第9-10页 |
| ·语音识别的发展历史 | 第10-12页 |
| ·国外研究历史及现状 | 第10-11页 |
| ·国内研究历史及现状 | 第11-12页 |
| ·语音识别的一些主要技术问题 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 语音识别概述 | 第15-27页 |
| ·语音识别原理 | 第15-16页 |
| ·语音信号预处理 | 第16-18页 |
| ·预加重 | 第16-17页 |
| ·分帧 | 第17页 |
| ·加窗 | 第17-18页 |
| ·语音信号的端点检测 | 第18-22页 |
| ·短时能量 | 第20-21页 |
| ·短时平均过零率 | 第21-22页 |
| ·自相关系数 | 第22页 |
| ·特征参数提取 | 第22-26页 |
| ·LPCC特征提取方法 | 第23-24页 |
| ·MFCC特征提取方法 | 第24-26页 |
| ·MFCC与 LPCC的比较 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于 HMM的语音识别系统研究 | 第27-41页 |
| ·HMM定义 | 第27-30页 |
| ·马儿可夫链 | 第27-28页 |
| ·HMM基本思想 | 第28页 |
| ·HMM的定义 | 第28-30页 |
| ·HMM的三个基本问题及其解决 | 第30-35页 |
| ·前向—后向算法 | 第30-32页 |
| ·Viterbi算法 | 第32-33页 |
| ·Baum-Welch算法 | 第33-35页 |
| ·基于MMIE准则的判别训练方法 | 第35-36页 |
| ·改进的MMIE训练方法 | 第36-39页 |
| ·适应度函数 | 第36-37页 |
| ·选择策略 | 第37页 |
| ·遗传算子 | 第37-38页 |
| ·基因选择算子 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 统计学习与支持向量机 | 第41-57页 |
| ·引言 | 第41页 |
| ·机器学习的基本问题和方法 | 第41-43页 |
| ·机器学习问题的表示 | 第41-42页 |
| ·经验风险最小化 | 第42页 |
| ·复杂性与推广能力 | 第42-43页 |
| ·统计学习理论的核心内容 | 第43-46页 |
| ·VC维 | 第44页 |
| ·推广性的界 | 第44-45页 |
| ·结构风险最小化 | 第45-46页 |
| ·SVM的基本思想 | 第46-51页 |
| ·最优分类面 | 第47-49页 |
| ·核函数 | 第49-51页 |
| ·SVM的多类分类方法研究 | 第51-54页 |
| ·改进的HMM/SVM混合语音识别系统框架 | 第54-56页 |
| ·分类器的设计 | 第54页 |
| ·SVM距离到后验概率的转化 | 第54页 |
| ·SVM特征矢量构建的段落模型 | 第54-55页 |
| ·系统架构 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 实验与测试 | 第57-65页 |
| ·实验的硬件和软件环境 | 第57页 |
| ·语音数据库的提取 | 第57-58页 |
| ·语音识别系统评价 | 第58页 |
| ·实验流程 | 第58-61页 |
| ·预处理 | 第58-59页 |
| ·特征提取 | 第59-61页 |
| ·选择核函数 | 第61页 |
| ·改进的HMM/SVM训练与测试 | 第61-63页 |
| ·训练集上识别率的实验 | 第62页 |
| ·测试集上识别率的实验 | 第62-63页 |
| ·对单个数字的识别率的比较 | 第63页 |
| ·对连续数字的识别率的比较 | 第63页 |
| ·本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·本文总结 | 第65页 |
| ·本文展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 硕士期间发表论文和参加科研项目情况 | 第71-73页 |
| 致谢 | 第73页 |
