支持向量机核函数研究及其在语音识别中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景与意义 | 第9页 |
| ·语音识别发展与现状 | 第9-11页 |
| ·语音识别面临的问题 | 第11-13页 |
| ·本文的主要内容 | 第13-15页 |
| 第二章 基于支持向量机的语音识别 | 第15-31页 |
| ·语音识别概述 | 第15-16页 |
| ·语音信号的处理 | 第16-18页 |
| ·模型训练及模式匹配 | 第18-20页 |
| ·隐马尔可夫模型 | 第18-19页 |
| ·人工神经网络 | 第19页 |
| ·支持向量机 | 第19-20页 |
| ·统计学习理论 | 第20-25页 |
| ·机器学习问题的数学模型 | 第20-21页 |
| ·经验风险最小化原则 | 第21-22页 |
| ·学习过程一致性的条件 | 第22-23页 |
| ·VC维与泛化能力的界 | 第23-24页 |
| ·结构风险最小化原则 | 第24-25页 |
| ·支持向量机理论基础 | 第25-30页 |
| ·支持向量机研究现状 | 第25-26页 |
| ·最大间隔分类超平面 | 第26页 |
| ·线性可分支持向量机 | 第26-28页 |
| ·线性不可分支持向量机 | 第28-29页 |
| ·C-SVM算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 改进的Gaussian核函数SVM | 第31-47页 |
| ·核函数及其基本性质 | 第31-33页 |
| ·面向语音识别的SVM模型参数选择 | 第33-38页 |
| ·UKF核函数SVM | 第38-42页 |
| ·UKF核函数 | 第38-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·修正的Gaussian核函数SVM | 第42-46页 |
| ·修正的Gaussian核函数 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 小波核函数SVM | 第47-59页 |
| ·小波理论 | 第47页 |
| ·Morlet小波核函数SVM | 第47-51页 |
| ·Morlet小波核函数 | 第47-48页 |
| ·实验结果及分析 | 第48-51页 |
| ·Mexico小波核函数SVM | 第51-54页 |
| ·Mexico小波核函数 | 第51-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·四种核函数的对比 | 第54-58页 |
| ·Aurora2数据库对比 | 第55-56页 |
| ·韩语数据库对比 | 第56-58页 |
| ·中文500词数据库对比 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
