| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第18-34页 |
| 1.1 研究背景 | 第18-20页 |
| 1.2 语音信号智能处理 | 第20-25页 |
| 1.2.1 语音信号预处理与常用特征 | 第21-22页 |
| 1.2.2 语音信号智能处理中的常用算法 | 第22-25页 |
| 1.3 语音情感识别 | 第25-31页 |
| 1.3.1 语音情绪研究常用数据库 | 第26-28页 |
| 1.3.2 语音情绪特征 | 第28-29页 |
| 1.3.3 语音情感识别概述 | 第29-31页 |
| 1.4 本文研究课题与结构安排 | 第31-34页 |
| 1.4.1 本文研究课题 | 第31页 |
| 1.4.2 本文主要贡献 | 第31-32页 |
| 1.4.3 文章结构安排 | 第32-34页 |
| 第二章 基于多尺度核优化的语音情感识别 | 第34-50页 |
| 2.1 基本理论 | 第34-35页 |
| 2.1.1 图嵌入框架 | 第34-35页 |
| 2.1.2 多核学习维数约简 | 第35页 |
| 2.2 基于多尺度核维数约简的语音情感识别 | 第35-42页 |
| 2.2.1 方法 | 第36-38页 |
| 2.2.2 实验设置 | 第38-39页 |
| 2.2.3 实验结果 | 第39-42页 |
| 2.2.4 本节小结 | 第42页 |
| 2.3 基于多核学习下局部惩罚判别分析的语音情感识别 | 第42-48页 |
| 2.3.1 方法 | 第43-44页 |
| 2.3.2 实验设置 | 第44页 |
| 2.3.3 实验结果 | 第44-48页 |
| 2.3.4 本节小结 | 第48页 |
| 2.4 总结 | 第48-50页 |
| 第三章 基于二维结构下多核学习的语音情感识别 | 第50-72页 |
| 3.1 引言 | 第50-52页 |
| 3.2 基本理论 | 第52页 |
| 3.3 方法 | 第52-70页 |
| 3.3.1 多核二维子空间学习 | 第52-54页 |
| 3.3.2 多核学习的二维子空间学习框架与广义多核判别分析 | 第54-58页 |
| 3.3.3 理论分析 | 第58-61页 |
| 3.3.4 实验设置 | 第61-64页 |
| 3.3.5 实验结果 | 第64-70页 |
| 3.4 总结 | 第70-72页 |
| 第四章 极限子空间学习及其在语音情感识别中的应用 | 第72-96页 |
| 4.1 引言 | 第72-74页 |
| 4.2 基本理论 | 第74-76页 |
| 4.2.1 ELM | 第74-75页 |
| 4.2.2 谱回归 | 第75-76页 |
| 4.3 广义谱回归框架 | 第76-82页 |
| 4.3.1 数据映射 | 第76-77页 |
| 4.3.2 图分解 | 第77-78页 |
| 4.3.3 回归 | 第78-79页 |
| 4.3.4 广义谱回归框架 | 第79-82页 |
| 4.4 广义谱回归在语音情感识别中的应用 | 第82-84页 |
| 4.4.1 系统设置 | 第82-84页 |
| 4.4.2 计算复杂度 | 第84页 |
| 4.5 实验 | 第84-94页 |
| 4.5.1 实验设置 | 第84-86页 |
| 4.5.2 实验结果 | 第86-94页 |
| 4.6 总结 | 第94-96页 |
| 第五章 基于人脸局部表情的双模态情绪分析 | 第96-106页 |
| 5.1 引言 | 第96页 |
| 5.2 双模态下视频人脸局部表情特征提取 | 第96-100页 |
| 5.3 基于双模态特征的情绪状态分析 | 第100-104页 |
| 5.3.1 音频与视频特征 | 第100-102页 |
| 5.3.2 实验准备 | 第102页 |
| 5.3.3 实验结果 | 第102-104页 |
| 5.4 总结 | 第104-106页 |
| 第六章 总结与展望 | 第106-108页 |
| 6.1 总结与分析 | 第106-107页 |
| 6.2 展望 | 第107-108页 |
| 参考文献 | 第108-125页 |
| 附录一 文中出现的缩略语 | 第125-128页 |
| 附录二 博士阶段科研成果 | 第128-131页 |
| 附录三 博士期间参与科研项目及学术活动 | 第131-132页 |
| 附录四 致谢 | 第132页 |