基于SVM主动学习的音乐分类
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容与论文结构 | 第13-15页 |
| 第二章 音乐分类与主动学习 | 第15-33页 |
| 2.1 音乐分类概述 | 第15-16页 |
| 2.2 音乐特征提取 | 第16-22页 |
| 2.2.1 信号预处理 | 第16-18页 |
| 2.2.2 MFCC特征提取 | 第18-19页 |
| 2.2.3 RASTA-PLP特征提取 | 第19-22页 |
| 2.3 主动学习概述 | 第22-28页 |
| 2.3.1 基本步骤 | 第22-24页 |
| 2.3.2 学习引擎 | 第24-28页 |
| 2.3.3 选择引擎 | 第28页 |
| 2.4 主动学习选择策略 | 第28-32页 |
| 2.4.1 基于不确定度缩减的选择策略 | 第29-30页 |
| 2.4.2 基于版本空间缩减的选择策略 | 第30-31页 |
| 2.4.3 基于误差缩减的选择策略 | 第31-32页 |
| 2.5 本章总结 | 第32-33页 |
| 第三章 基于SVM的主动学习 | 第33-50页 |
| 3.1 支持向量机 | 第33-42页 |
| 3.1.1 统计学习理论 | 第33-34页 |
| 3.1.2 SVM基本原理 | 第34-38页 |
| 3.1.3 核函数介绍 | 第38-42页 |
| 3.2 常用的SVM主动学习方法 | 第42-46页 |
| 3.2.1 基于不确定度缩减的SVM主动学习 | 第42页 |
| 3.2.2 基于版本空间缩减的SVM主动学习 | 第42-46页 |
| 3.3 本文的SVM主动学习方法 | 第46-49页 |
| 3.3.1 样本多样性 | 第46-48页 |
| 3.3.2 样本平衡性 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 实验结果与仿真分析 | 第50-57页 |
| 4.1 实验数据构造与系统框架 | 第50-52页 |
| 4.1.1 实验数据 | 第50-51页 |
| 4.1.2 系统框架 | 第51-52页 |
| 4.2 SVM-light分类器 | 第52-53页 |
| 4.3 实验仿真与分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 致谢 | 第63页 |
