相关向量机在语音识别中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章.绪论 | 第10-15页 |
| ·课题研究背景 | 第10-11页 |
| ·国内外语音识别的发展历史与现状 | 第11-12页 |
| ·语音识别面临的问题 | 第12-13页 |
| ·相关向量机的研究现状 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第2章.语音识别的基本原理 | 第15-31页 |
| ·语音信号的数学模型 | 第15-17页 |
| ·语音识别的基本原理 | 第17页 |
| ·语音信号的预处理 | 第17-23页 |
| ·预加重 | 第18页 |
| ·分帧加窗 | 第18-20页 |
| ·端点检测 | 第20-23页 |
| ·语音识别的特征提取 | 第23-27页 |
| ·线性预测系数（LPC） | 第23-25页 |
| ·线性预测倒谱系数（LPCC） | 第25页 |
| ·美尔频率倒谱系数(MFCC) | 第25-27页 |
| ·模型训练及模式匹配 | 第27-30页 |
| ·动态时间规整（DTW）技术 | 第27-28页 |
| ·隐马尔可夫模型（HMM） | 第28页 |
| ·人工神经网络（ANN） | 第28-29页 |
| ·支持向量机（SVM） | 第29-30页 |
| ·语音识别的判决准则 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第3章.相关向量机原理 | 第31-52页 |
| ·前言 | 第31-32页 |
| ·贝叶斯学习理论 | 第32-33页 |
| ·相关向量机模型 | 第33-39页 |
| ·相关向量机回归 | 第33-37页 |
| ·相关向量机分类 | 第37-39页 |
| ·核函数 | 第39-40页 |
| ·多类分类问题 | 第40-42页 |
| ·RVM 回归实验分析 | 第42-46页 |
| ·RVM 分类实验分析 | 第46-51页 |
| ·核函数的选择问题 | 第46-50页 |
| ·核参数对RVM分类的影响 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章.基于 RVM 的语音识别系统设计及实验 | 第52-63页 |
| ·语音识别系统总体设计 | 第52-53页 |
| ·建立语音样本库 | 第53-54页 |
| ·系统模块设计 | 第54-61页 |
| ·语音信号观测模块 | 第54-55页 |
| ·语音信号预处理 | 第55-59页 |
| ·MFCC 参数提取 | 第59页 |
| ·RVM 的训练与测试 | 第59-61页 |
| ·实验结果及分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章.总结和展望 | 第63-65页 |
| ·本文总结 | 第63页 |
| ·本文的不足之处和改进方向 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
