基于集成学习与融合特征的病理语音识别
| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 病理语音研究面临的问题 | 第13-14页 |
| 1.4 研究内容与论文安排 | 第14-16页 |
| 第二章 病理语音识别的基本理论 | 第16-28页 |
| 2.1 病理语音的成因 | 第16-17页 |
| 2.2 病理语音数据库 | 第17-18页 |
| 2.3 病理语音数据库 | 第18-23页 |
| 2.3.1 韵律特征 | 第18-19页 |
| 2.3.2 基于谱的特征 | 第19-21页 |
| 2.3.3 非线性特征 | 第21-23页 |
| 2.4 病理语音的识别网络 | 第23-27页 |
| 2.4.1 高斯混合模型 | 第23页 |
| 2.4.2 支持向量机 | 第23-25页 |
| 2.4.3 径向基函数神经网络 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于随机森林算法的病理语音识别 | 第28-44页 |
| 3.1 集成学习 | 第28-30页 |
| 3.1.1 基分类器的构建 | 第29页 |
| 3.1.2 基分类器的集成方法 | 第29-30页 |
| 3.2 随机森林算法 | 第30-34页 |
| 3.2.1 Bagging算法原理 | 第30页 |
| 3.2.2 决策树原理 | 第30-32页 |
| 3.2.3 随机森林的构建方法 | 第32-33页 |
| 3.2.4 随机森林的特点阐述 | 第33-34页 |
| 3.3 TORGO构音障碍数据库 | 第34-37页 |
| 3.3.1 TORGO数据库的构成 | 第34页 |
| 3.3.2 TORGO数据库的筛选 | 第34-37页 |
| 3.4 基于随机森林算法的病理语音识别 | 第37-43页 |
| 3.4.1 语音信号的预处理 | 第37-38页 |
| 3.4.2 语音融合特征的构建 | 第38-39页 |
| 3.4.3 实验过程及结果分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于代价敏感的旋转森林算法的病理语音识别 | 第44-56页 |
| 4.1 旋转森林算法 | 第44-46页 |
| 4.1.1 主成分分析法 | 第44-45页 |
| 4.1.2 旋转森林的构建思路和方法 | 第45-46页 |
| 4.2 代价敏感的旋转森林 | 第46-48页 |
| 4.2.1 代价敏感学习 | 第47页 |
| 4.2.2 代价敏感决策树 | 第47-48页 |
| 4.3 基于旋转森林的病理语音识别实验 | 第48-54页 |
| 4.3.1 基于TORGO数据库的非平衡数据集 | 第48-49页 |
| 4.3.2 非线性特征在病理语音识别中的应用 | 第49页 |
| 4.3.3 实验过程及结果分析 | 第49-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-60页 |
| 5.1 研究总结 | 第56-57页 |
| 5.2 工作展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
