| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景及研究目的和意义 | 第9页 |
| 1.2 国内外研究现状与分析 | 第9-17页 |
| 1.2.1 音频场景分类的研究进展 | 第9-13页 |
| 1.2.2 深度学习方法的研究进展 | 第13-15页 |
| 1.2.3 集成学习方法的研究进展 | 第15-16页 |
| 1.2.4 目前方法存在的问题 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第2章 音频场景分类基线系统 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 特征处理 | 第18-22页 |
| 2.2.1 MFCC特征和对数梅尔频谱特征 | 第19-22页 |
| 2.3 GMM模型的训练 | 第22-27页 |
| 2.3.1 EM算法 | 第22-25页 |
| 2.3.2 GMM模型 | 第25-27页 |
| 2.4 实验工具与实验数据库 | 第27-29页 |
| 2.4.1 实验工具 | 第27-28页 |
| 2.4.2 实验数据库 | 第28页 |
| 2.4.3 评价指标 | 第28页 |
| 2.4.4 实验结果与分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于深度学习的音频场景分类方法 | 第30-51页 |
| 3.1 引言 | 第30页 |
| 3.2 基于深度学习的音频场景分类方法 | 第30-44页 |
| 3.2.1 多层感知机(MLP)的训练 | 第31-35页 |
| 3.2.2 卷积神经网络（ CNN）的训练 | 第35-38页 |
| 3.2.3 长短时网络（ LSTM）的训练 | 第38-44页 |
| 3.3 模型的加速和防过拟合 | 第44-47页 |
| 3.3.1 Dropout机制介绍 | 第44-46页 |
| 3.3.2 Batch Normalization（BN）机制介绍 | 第46-47页 |
| 3.4 实验与分析 | 第47-50页 |
| 3.4.1 实验数据与设置 | 第48-49页 |
| 3.4.2 实验结果与分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于深度学习的音频场景分类方法的改进 | 第51-59页 |
| 4.1 引言 | 第51页 |
| 4.2 基于段处理技术的LSTM音频场景分类方法 | 第51-54页 |
| 4.3 基于ATTENTION机制的MLP音频场景分类方法 | 第54-57页 |
| 4.4 实验与分析 | 第57-58页 |
| 4.4.1 实验数据与设置 | 第57-58页 |
| 4.4.2 实验结果与分析 | 第58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于集成学习的音频场景分类方法 | 第59-68页 |
| 5.1 引言 | 第59页 |
| 5.2 基于简单融合技术的音频场景分类方法 | 第59-62页 |
| 5.3 基于BAGGING框架集成选择方法的音频场景分类方法 | 第62-65页 |
| 5.4 实验与分析 | 第65-67页 |
| 5.4.1 实验数据与设置 | 第65页 |
| 5.4.2 实验结果与分析 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 致谢 | 第78页 |
