| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究背景和意义 | 第11页 |
| ·语音识别的发展与研究现状 | 第11-14页 |
| ·语音识别系统面临的问题 | 第14-15页 |
| ·完成的主要工作 | 第15页 |
| ·本文内容结构安排 | 第15-17页 |
| 第二章 语音识别的基本原理和基本方法 | 第17-27页 |
| ·语音识别技术基本原理 | 第17-18页 |
| ·语言识别技术的基本方法 | 第18-25页 |
| ·基于语音学和声学的方法 | 第18页 |
| ·模板匹配的方法 | 第18-20页 |
| ·人工神经网络的方法 | 第20页 |
| ·基于统计分析的方法 | 第20-21页 |
| ·基于统计的语音识别系统 | 第21-25页 |
| ·语音识别系统的分类方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 支持向量机在语音识别中的应用 | 第27-53页 |
| ·传统模式识别方法的不足 | 第27-28页 |
| ·统计学习理论 | 第28-35页 |
| ·机器学习问题的数学模型 | 第28-30页 |
| ·经验风险最小化原则 | 第30-31页 |
| ·学习过程一致性的条件 | 第31-32页 |
| ·VC 维 | 第32-33页 |
| ·泛化能力的界 | 第33-34页 |
| ·结构风险最小化原则 | 第34-35页 |
| ·支持向量机理论基础 | 第35-44页 |
| ·支持向量机发展历史 | 第36-37页 |
| ·支持向量机工作流程 | 第37-38页 |
| ·最大间隔分类超平面 | 第38-39页 |
| ·线性支持向量机 | 第39-41页 |
| ·非线性支持向量机 | 第41-43页 |
| ·支持向量机的核函数 | 第43-44页 |
| ·支持向量机的模型参数选择 | 第44-50页 |
| ·SVC 与惩罚参数的关系 | 第45-47页 |
| ·SVC 与核函数的关系 | 第47-48页 |
| ·SVC 与核函数参数的关系 | 第48-50页 |
| ·SVC 训练时间与词汇量的关系 | 第50页 |
| ·本章小结 | 第50-53页 |
| 第四章 基于MFCC 和SVMs 的语音识别系统 | 第53-71页 |
| ·语音数据库 | 第53-55页 |
| ·韩语非特定人小词汇量孤立词语音库 | 第53-54页 |
| ·汉语非特定人小词汇量连接词语音库 | 第54-55页 |
| ·语音特征的选择和提取 | 第55-58页 |
| ·语音特征选择的原则 | 第55页 |
| ·常用的语音特征 | 第55-58页 |
| ·基于支持向量机的语音识别 | 第58-63页 |
| ·一对余组合分类法(1vR) | 第58-60页 |
| ·一对一组合分类法(1v1) | 第60-62页 |
| ·决策有向无环图组合分类法（DAG） | 第62-63页 |
| ·实验结果及讨论 | 第63-70页 |
| ·韩语非特定人小词汇孤立词量语音库的实验结果 | 第63-68页 |
| ·汉语非特定人小词汇量连接词语音库的实验结果 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 基于OMAP5912 嵌入式平台的算法实现 | 第71-77页 |
| ·嵌入式系统开发环境的搭建 | 第71-73页 |
| ·程序下载环境 | 第72页 |
| ·网络文件系统的建立 | 第72-73页 |
| ·修改开发板启动项 | 第73页 |
| ·嵌入式系统交叉编译环境的建立 | 第73-74页 |
| ·嵌入式系统的连接 | 第74-75页 |
| ·实验结果及讨论 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-81页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻读学位期间发表的学术论文目录 | 第87页 |