| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 插图 | 第15-17页 |
| 表格 | 第17-19页 |
| 第1章 绪论 | 第19-34页 |
| ·课题背景及意义 | 第19-20页 |
| ·手语识别研究国内外现状 | 第20-31页 |
| ·经典手语识别工作 | 第20-22页 |
| ·数据采集 | 第22-24页 |
| ·特征选择和参数估计 | 第24-25页 |
| ·分类方法 | 第25-28页 |
| ·成分级结果融合策略 | 第28-29页 |
| ·手语识别存在的问题 | 第29-31页 |
| ·本文的主要研究内容及其组织 | 第31-34页 |
| 第2章 隐马尔可夫模型和模型自适应 | 第34-51页 |
| ·引言 | 第34页 |
| ·隐马尔可夫模型 | 第34-40页 |
| ·问题1：评估问题 | 第35-37页 |
| ·问题2：状态解码问题 | 第37-38页 |
| ·问题3：训练问题 | 第38-40页 |
| ·自适应技术 | 第40-50页 |
| ·基于聚类的方法 | 第40-41页 |
| ·基于变换的方法和最大似然线性回归算法 | 第41-47页 |
| ·最大后验概率算法 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第3章 基于基本单元提取的手语识别自适应方法 | 第51-71页 |
| ·引言 | 第51-52页 |
| ·基于词根的手语识别自适应方法 | 第52-59页 |
| ·中国手语词根 | 第52-54页 |
| ·基于词根的手语识别自适应方法 | 第54-55页 |
| ·实验结果和分析 | 第55-59页 |
| ·基于数据生成的手语识别自适应方法 | 第59-70页 |
| ·手语数据表示 | 第60-62页 |
| ·虚拟数据生成 | 第62-65页 |
| ·手语词码本生成 | 第65-67页 |
| ·自适应子集的选择和自适应数据的生成 | 第67页 |
| ·生成数据有效性实验结果 | 第67-69页 |
| ·自适应实验结果 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第4章 基于模范均值选择的最大后验概率/循环矢量场平滑算法 | 第71-81页 |
| ·引言 | 第71-72页 |
| ·系统框架 | 第72-73页 |
| ·模范均值选择 | 第73-75页 |
| ·最大后验概率/循环矢量场平滑算法 | 第75-78页 |
| ·最大后验概率算法 | 第75-76页 |
| ·最大后验概率/矢量场平滑算法 | 第76-77页 |
| ·最大后验概率/循环矢量场平滑算法 | 第77-78页 |
| ·实验结果和分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第5章 结合简化多项式段模型和隐马尔可夫模型的无监督自适应方法 | 第81-92页 |
| ·引言 | 第81-82页 |
| ·隐马尔可夫模型和最大似然线性回归算法 | 第82-84页 |
| ·简化多项式段模型 | 第84-86页 |
| ·结合简化多项式段模型和隐马尔可夫模型的无监督自适应方法 | 第86-88页 |
| ·实验结果和分析 | 第88-89页 |
| ·本章小结 | 第89-92页 |
| 第6章 基于假设比较导引交叉验证的无监督自适应方法 | 第92-103页 |
| ·引言 | 第92-93页 |
| ·基于自学习的无监督自适应方法 | 第93-94页 |
| ·基于交叉验证的无监督自适应方法 | 第94-97页 |
| ·交叉验证 | 第94-95页 |
| ·基于交叉验证的无监督自适应方法 | 第95-97页 |
| ·基于假设比较导引交叉验证的无监督自适应算法 | 第97-100页 |
| ·数据集噪声率与模型重训练 | 第97-98页 |
| ·基于假设比较导引交叉验证的无监督自适应方法 | 第98-100页 |
| ·实验结果与分析 | 第100-101页 |
| ·基于假设比较导引交叉验证的无监督自适应方法的推广 | 第101-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-118页 |
| 攻读博士学位期间所发表的论文 | 第118-120页 |
| 致谢 | 第120-122页 |
| 个人简历 | 第122页 |
