| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究目的与意义 | 第10页 |
| ·语音识别的历史发展与现况 | 第10-12页 |
| ·语音识别中引入支持向量机 | 第12-14页 |
| ·本文的内容结构 | 第14-16页 |
| 第二章 语音识别的主要原理和方法 | 第16-28页 |
| ·语言识别系统简述 | 第16-17页 |
| ·语音识别系统的基本架构 | 第16-17页 |
| ·语音识别的主要分类 | 第17页 |
| ·语音数据的预处理方法 | 第17-20页 |
| ·信号端点检测 | 第17-19页 |
| ·信号加窗分帧 | 第19-20页 |
| ·信号抗混叠滤波 | 第20页 |
| ·语音数据特征的提取 | 第20-24页 |
| ·线性预测倒谱系数 | 第21-22页 |
| ·过零峰值幅度 | 第22-23页 |
| ·美尔频率倒谱系数 | 第23-24页 |
| ·语音识别系统的模型训练及识别技术 | 第24-27页 |
| ·动态时间归整方法 | 第25-26页 |
| ·人工神经网络模型 | 第26页 |
| ·隐马尔可夫模型 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 支持向量机的基本理论 | 第28-40页 |
| ·分类问题的统计学模型 | 第28-33页 |
| ·经验风险最小化 | 第28-29页 |
| ·学习过程一致性 | 第29-30页 |
| ·VC维 | 第30-31页 |
| ·泛化性能的界 | 第31-32页 |
| ·结构风险最小化 | 第32-33页 |
| ·线性支持向量分类机 | 第33-36页 |
| ·最大间隔法 | 第33-34页 |
| ·线性可分的支持向量机 | 第34-36页 |
| ·非线性支持向量分类机 | 第36-38页 |
| ·多类分类的方法 | 第36-37页 |
| ·C-支持向量分类机 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 多类分类预选取的SVM在语音识别中的应用 | 第40-54页 |
| ·常用的支持向量预选取算法 | 第40-41页 |
| ·基于k-最邻近预选取算法 | 第40-41页 |
| ·基于向量投影的预选取算法 | 第41页 |
| ·核模糊C均值聚类 | 第41-44页 |
| ·模糊C均值聚类算法 | 第42页 |
| ·核模糊C均值聚类 | 第42-44页 |
| ·核模糊C均值聚类样本预选取算法 | 第44-45页 |
| ·预选取算法原理 | 第44页 |
| ·算法流程 | 第44-45页 |
| ·支持向量预选取算法的实验结果与分析 | 第45-53页 |
| ·韩语孤立词语音库的实验结果 | 第45-49页 |
| ·AURORA-2语音库实验结果 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于切比雪夫核函数的SVM在语音识别中的应用 | 第54-66页 |
| ·核函数 | 第54-55页 |
| ·切比雪夫核函数 | 第55-58页 |
| ·广义切比雪夫核函数 | 第55-57页 |
| ·修正切比雪夫核函数 | 第57-58页 |
| ·未预选取情况下切比雪夫核函数的实验结果与分析 | 第58-62页 |
| ·韩语孤立词语音库的实验结果 | 第58-60页 |
| ·AURORA-2语音库实验结果 | 第60-62页 |
| ·预选取情况下切比雪夫核函数的实验与讨论 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-70页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |