支持向量机在说话人识别系统中的应用
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·说话人识别的研究现状 | 第11-12页 |
| ·说话人识别系统的应用前景 | 第12-13页 |
| ·本文工作 | 第13-16页 |
| 第2章 统计学习理论及支持向量机 | 第16-28页 |
| ·机器学习问题 | 第16-19页 |
| ·统计学习理论 | 第19-23页 |
| ·VC维 | 第19-21页 |
| ·推广性的界 | 第21-22页 |
| ·结构风险最小化理论 | 第22-23页 |
| ·支持向量机 | 第23-28页 |
| ·线性支持向量机 | 第24-26页 |
| ·非线性支持向量机 | 第26-28页 |
| 第3章 语音信号预处理及特征提取 | 第28-36页 |
| ·语音信号预处理 | 第28-31页 |
| ·采样及量化 | 第28-29页 |
| ·预加重 | 第29页 |
| ·加窗 | 第29-30页 |
| ·端点检测 | 第30-31页 |
| ·语音特征提取 | 第31-33页 |
| ·语音分析简介 | 第31-32页 |
| ·MFCC系数的提取 | 第32-33页 |
| ·语音特征的降维及取噪处理 | 第33-36页 |
| ·PCA用于特征降维 | 第33-34页 |
| ·KPCA用于降维及去噪 | 第34-36页 |
| 第4章 基于改进支持向量机的说话人识别系统 | 第36-50页 |
| ·基于 GMM-UBM的核函数的构造 | 第36-42页 |
| ·GMM-UBM介绍 | 第36-39页 |
| ·GMM-UBM的模型训练 | 第39-41页 |
| ·期望最大法(EM) | 第40页 |
| ·GMM-UBM参数的训练算法 | 第40-41页 |
| ·核函数的构造过程 | 第41-42页 |
| ·支持向量机多类分类器的构造 | 第42-44页 |
| ·实验及结果分析 | 第44-50页 |
| ·使用干净语音的测试结果 | 第44-46页 |
| ·系统对噪声的鲁棒性测试 | 第46-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第58页 |
