基于支持向量机的集成学习音频分类算法
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-10页 |
| ·引言 | 第7-8页 |
| ·音频分类技术的研究现状 | 第8-9页 |
| ·课题来源 | 第9页 |
| ·课题主要研究内容 | 第9-10页 |
| 第二章 音频分类技术及原理 | 第10-18页 |
| ·音频短时处理技术 | 第10-11页 |
| ·音频分类技术 | 第11-15页 |
| ·关于音频特征分析与提取 | 第15页 |
| ·分类器设计的常用方法 | 第15-18页 |
| 第三章 基于支持向量机的音频分类 | 第18-41页 |
| ·音频信号的处理 | 第18-26页 |
| ·音频信号的预处理 | 第18-19页 |
| ·音频信号特征提取 | 第19-26页 |
| ·基于音频帧的特征 | 第19-22页 |
| ·基于音频段的特征 | 第22-25页 |
| ·音频特征集构成 | 第25-26页 |
| ·统计学习理论与支持向量机 | 第26-41页 |
| ·支持向量机的特点 | 第28页 |
| ·支持向量机的应用 | 第28-29页 |
| ·支持向量机的算法原理 | 第29-37页 |
| ·支持向量机相关概念 | 第29-32页 |
| ·支持向量机的构造 | 第32-37页 |
| ·支持向量机分类器的改进 | 第37-41页 |
| 第四章 基于支持向量机的集成学习音频分类 | 第41-49页 |
| ·集成学习 | 第41-43页 |
| ·集成学习的概念 | 第41页 |
| ·集成学习的分类 | 第41-43页 |
| ·AdaBoost 算法 | 第43-44页 |
| ·基于支持向量机的集成学习分类算法 | 第44-49页 |
| 第五章 系统的设计与实现 | 第49-60页 |
| ·音频分类系统的设计 | 第49-50页 |
| ·音频分类系统的具体实现 | 第50-53页 |
| ·音频预处理及特征提取子系统 | 第50页 |
| ·集成学习训练子系统 | 第50-52页 |
| ·音频分类子系统 | 第52-53页 |
| ·实验环境 | 第53页 |
| ·实验结果 | 第53-60页 |
| ·支持向量机算法和几种常用分类算法的比较 | 第55-56页 |
| ·集成学习算法和支持向量机算法的比较 | 第56-60页 |
| 第六章 总结和展望 | 第60-63页 |
| ·本文内容总结 | 第60页 |
| ·今后工作与展望 | 第60-63页 |
| 参考文献 | 第63-66页 |
| 摘要 | 第66-69页 |
| Abstract | 第69-72页 |
| 致谢 | 第72页 |
