基于乐音信号的特征提取与分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-13页 |
| 1.3.1 特征提取 | 第11-12页 |
| 1.3.2 特征融合 | 第12页 |
| 1.3.3 分类器的比较与选择 | 第12-13页 |
| 1.3.4 投票 | 第13页 |
| 1.4 研究意义与论文结构 | 第13-14页 |
| 第2章 戏曲基本概念及实验概览 | 第14-18页 |
| 2.1 基本概念 | 第14-15页 |
| 2.1.1 音强 | 第14页 |
| 2.1.2 音高 | 第14页 |
| 2.1.3 音色 | 第14-15页 |
| 2.1.4 节拍 | 第15页 |
| 2.1.5 节奏 | 第15页 |
| 2.1.6 声腔 | 第15页 |
| 2.2 实验概览 | 第15-18页 |
| 2.2.1 切分曲目 | 第15-16页 |
| 2.2.2 特征提取 | 第16-17页 |
| 2.2.3 特征融合 | 第17页 |
| 2.2.4 分类 | 第17页 |
| 2.2.5 多数投票 | 第17-18页 |
| 第3章 特征提取 | 第18-41页 |
| 3.1 预处理 | 第18-20页 |
| 3.1.1 预加重 | 第18页 |
| 3.1.2 分帧 | 第18-19页 |
| 3.1.3 加窗 | 第19-20页 |
| 3.2 特征工程 | 第20-26页 |
| 3.2.1 时域特征 | 第21-22页 |
| 3.2.2 频域特征 | 第22-26页 |
| 3.3 时序上下文特征 | 第26-40页 |
| 3.3.1 特征工程的特点与不足 | 第26-27页 |
| 3.3.2 序列学习的演化：HMM与RNN | 第27-31页 |
| 3.3.3 RNN的前向传播 | 第31-32页 |
| 3.3.4 RNN的反向传播 | 第32-33页 |
| 3.3.5 长短时记忆网络 | 第33-34页 |
| 3.3.6 LSTM的拓扑结构 | 第34-36页 |
| 3.3.7 LSTM的前向传播 | 第36-38页 |
| 3.3.8 LSTM的反向传播 | 第38-39页 |
| 3.3.9 时序上下文特征的提取 | 第39-40页 |
| 3.4 帧级别与片段级别特征的区别与联系 | 第40-41页 |
| 第4章 融合与分类 | 第41-49页 |
| 4.1 归一化处理 | 第41页 |
| 4.2 特征融合 | 第41-43页 |
| 4.3 随机森林 | 第43-44页 |
| 4.4 支持向量机 | 第44-45页 |
| 4.5 稀疏表达分类 | 第45-46页 |
| 4.6 极限学习机 | 第46-47页 |
| 4.7 投票 | 第47-49页 |
| 第5章 实验结果与分析 | 第49-53页 |
| 5.1 实验数据描述 | 第49页 |
| 5.2 评价标准 | 第49页 |
| 5.3 实验结果分析 | 第49-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |
