超球支持向量机在语音识别中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究课题的重要意义 | 第10-11页 |
| ·语音识别的发展与现状 | 第11-12页 |
| ·语音识别面临的困境 | 第12页 |
| ·论文完成的工作 | 第12页 |
| ·本文章节的安排 | 第12-14页 |
| 第二章 语音识别的基本原理与技术 | 第14-24页 |
| ·语言识别的基本组成 | 第14页 |
| ·语音识别预处理 | 第14-17页 |
| ·抗混叠滤波 | 第14-15页 |
| ·预加重 | 第15页 |
| ·加窗分帧处理 | 第15-16页 |
| ·端点检测 | 第16-17页 |
| ·语音信号特征提取 | 第17-20页 |
| ·线性预测系数(LPC) | 第17-18页 |
| ·线性预测倒谱系数(LPCC) | 第18-19页 |
| ·美尔频率倒谱系数(MFCC) | 第19-20页 |
| ·语音模型训练及模式匹配 | 第20-22页 |
| ·动态时间归整技术(DTW) | 第20-21页 |
| ·隐马尔可夫模型(HMM) | 第21页 |
| ·人工神经网络(ANN) | 第21-22页 |
| ·支持向量机(SVM) | 第22页 |
| ·本章小结 | 第22-24页 |
| 第三章 支持向量机理论 | 第24-42页 |
| ·统计学习理论 | 第24-30页 |
| ·学习问题 | 第24-26页 |
| ·学习过程一致性的条件 | 第26-27页 |
| ·VC维 | 第27-28页 |
| ·推广性的界 | 第28-29页 |
| ·结构风险最小化准则 | 第29-30页 |
| ·最优化基础理论 | 第30-33页 |
| ·KKT条件 | 第31-32页 |
| ·Wolfe对偶 | 第32-33页 |
| ·支持向量机原理 | 第33-40页 |
| ·最优分类面 | 第33页 |
| ·线性情况 | 第33-35页 |
| ·非线性情况 | 第35-36页 |
| ·主要核函数 | 第36-37页 |
| ·多类分类方法 | 第37-38页 |
| ·支持向量机算法 | 第38-39页 |
| ·支持向量机的工作流程 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 超球支持向量机 | 第42-56页 |
| ·超球SVM原理 | 第42页 |
| ·超球SVM算法 | 第42-46页 |
| ·解二次规划(QP)问题 | 第46-55页 |
| ·停机准则(Stopping Criteria) | 第46-49页 |
| ·SMO算法 | 第49-52页 |
| ·WSS算法 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于超球支持向量机原理的语音识别系统 | 第56-66页 |
| ·语音数据库 | 第56-57页 |
| ·实验所用语音库介绍 | 第56页 |
| ·实验流程图 | 第56-57页 |
| ·实验结果及讨论 | 第57-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
