| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 论文结构安排 | 第12-15页 |
| 第2章 研究现状 | 第15-29页 |
| 2.1 特征选择 | 第15-21页 |
| 2.1.1 特征选择过程 | 第15-16页 |
| 2.1.2 特征选择算法的分类 | 第16-17页 |
| 2.1.3 特征选择算法 | 第17-20页 |
| 2.1.4 总结 | 第20-21页 |
| 2.2 特征学习 | 第21-29页 |
| 2.2.1 传统特征学习算法 | 第21-24页 |
| 2.2.2 基于人工神经网络的特征学习 | 第24-26页 |
| 2.2.3 总结 | 第26-29页 |
| 第3章 结合特征相关度和冗余度的FSIR~2算法 | 第29-47页 |
| 3.1 相关工作 | 第29-38页 |
| 3.1.1 谱特征选择 | 第29-36页 |
| 3.1.2 考虑相关度和冗余度的特征选择算法 | 第36-38页 |
| 3.2 结合特征相关度和冗余度的FSIR~2算法 | 第38-41页 |
| 3.2.1 相关度 | 第38-39页 |
| 3.2.2 冗余度 | 第39页 |
| 3.2.3 模型及优化 | 第39-41页 |
| 3.3 实验 | 第41-46页 |
| 3.3.1 数据集与实验设置 | 第41页 |
| 3.3.2 无监督学习 | 第41-44页 |
| 3.3.3 监督学习 | 第44-46页 |
| 3.4 总结 | 第46-47页 |
| 第4章 基于卷积自编码网络的SoundAutoEncoder算法 | 第47-63页 |
| 4.1 相关工作 | 第47-56页 |
| 4.1.1 人工神经网络 | 第47-49页 |
| 4.1.2 卷积神经网络 | 第49-50页 |
| 4.1.3 自编码网络 | 第50-55页 |
| 4.1.4 "老师-学生"模型SoundNet | 第55-56页 |
| 4.2 基于卷积自编码网络的SoundAutoEncoder算法 | 第56-58页 |
| 4.3 实验 | 第58-60页 |
| 4.3.1 实验设置 | 第58-59页 |
| 4.3.2 实验结果与分析 | 第59-60页 |
| 4.4 总结 | 第60-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的研究成果 | 第73页 |