| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.2 语音情绪识别技术的国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容及成果 | 第15-16页 |
| 1.4 论文的结构和安排 | 第16-18页 |
| 第二章 基于深度神经网络的语音情绪识别算法研究 | 第18-37页 |
| 2.1 深度神经网络相关背景知识 | 第18-26页 |
| 2.1.1 深度神经网络基础 | 第18-20页 |
| 2.1.2 卷积神经网络 | 第20-23页 |
| 2.1.3 循环神经网络 | 第23-26页 |
| 2.2 基于深度卷积神经网络的语音情绪识别算法 | 第26-30页 |
| 2.2.1 深度卷积神经网络模型 | 第27页 |
| 2.2.2 特征图提取方法 | 第27-28页 |
| 2.2.3 全局k最大池化 | 第28页 |
| 2.2.4 语音数据集介绍 | 第28-29页 |
| 2.2.5 实验结果与分析 | 第29-30页 |
| 2.3 基于深度卷积循环神经网络的定长语音情绪识别算法 | 第30-32页 |
| 2.3.1 定长深度神经网络模型 | 第31页 |
| 2.3.2 语谱图提取方法 | 第31-32页 |
| 2.3.3 实验结果与分析 | 第32页 |
| 2.4 基于深度卷积循环神经网络的变长语音情绪识别算法 | 第32-36页 |
| 2.4.1 变长深度神经网络模型 | 第33-35页 |
| 2.4.2 语谱图提取方法 | 第35页 |
| 2.4.3 实验结果与分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于深度神经网络及加权特征融合的变长语音情绪识别算法研究 | 第37-46页 |
| 3.1 引言 | 第37页 |
| 3.2 基于加权特征融合的深度神经网络算法 | 第37-41页 |
| 3.2.1 深度神经网络模型 | 第38-39页 |
| 3.2.2 双向长短期记忆网络 | 第39页 |
| 3.2.3 加权特征融合 | 第39-40页 |
| 3.2.4 色度特征提取 | 第40-41页 |
| 3.3 实验与结果分析 | 第41-45页 |
| 3.3.1 实验环境以及参数介绍 | 第41页 |
| 3.3.2 实验结果与分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于轻量深度神经网络及多任务学习的变长语音情绪识别算法研究 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 基于多任务学习的轻量深度卷积循环网络算法 | 第46-50页 |
| 4.2.1 轻量深度卷积循环网络模型 | 第46-47页 |
| 4.2.2 轻量级卷积算法 | 第47-49页 |
| 4.2.3 多任务学习算法 | 第49-50页 |
| 4.3 基于多任务学习的轻量深度全卷积网络算法 | 第50-52页 |
| 4.3.1 轻量深度全卷积网络模型 | 第51页 |
| 4.3.2 全局平均池化 | 第51-52页 |
| 4.4 实验与结果分析 | 第52-55页 |
| 4.4.1 实验环境以及参数介绍 | 第52页 |
| 4.4.2 实验结果与分析 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 课题工作总结 | 第56页 |
| 5.2 课题研究展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
