| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究的目的和意义 | 第11页 |
| ·语音识别的发展与现状 | 第11-13页 |
| ·语音识别的方法分类 | 第13-15页 |
| ·基于声学和语音学的语音识别模型 | 第13页 |
| ·基于模式匹配的语音识别模型 | 第13-14页 |
| ·基于统计概率的隐马尔科夫语音识别模型 | 第14页 |
| ·基于人工神经网络的语音识别模型 | 第14-15页 |
| ·基于统计学习理论的支持向量机语音识别模型 | 第15页 |
| ·本文章节内容结构 | 第15-17页 |
| 第二章 语音识别的基本原理 | 第17-27页 |
| ·语音识别系统的结构和分类 | 第17-18页 |
| ·语音识别系统框架结构 | 第17页 |
| ·语音识别系统分类 | 第17-18页 |
| ·语音信号预处理方法 | 第18-22页 |
| ·抗混叠滤波 | 第18-19页 |
| ·预加重 | 第19页 |
| ·分帧加窗处理 | 第19-20页 |
| ·端点检测 | 第20-22页 |
| ·语音数据的特征提取 | 第22-26页 |
| ·线性预测系数 | 第22-23页 |
| ·LPC倒谱系数 | 第23-24页 |
| ·Mel频率倒谱系数 | 第24-26页 |
| ·过零峰值幅度 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 支持向量基本理论 | 第27-39页 |
| ·统计学习基本理论 | 第27-31页 |
| ·VC维 | 第27-28页 |
| ·推广性的界 | 第28-29页 |
| ·结构风险最小化 | 第29-31页 |
| ·支持向量机的产生及发展 | 第31-32页 |
| ·支持向量机基本原理 | 第32-37页 |
| ·线性支持向量机 | 第32-34页 |
| ·线性不可分支持向量机 | 第34-35页 |
| ·非线性支持向量机 | 第35-36页 |
| ·核函数 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 一对一多类分类算法在语音识别中的应用 | 第39-49页 |
| ·支持向量机多类分类算法 | 第39-43页 |
| ·一对一多类分类SVM | 第39-40页 |
| ·一对多多类分类SVM | 第40-41页 |
| ·有向无环图SVM | 第41-42页 |
| ·一对一SVM和有向无环图SVM在预测阶段的示意图 | 第42-43页 |
| ·改进的一对一多类分类算法 | 第43-46页 |
| ·改进的一对一多类分类算法原理 | 第43-44页 |
| ·改进的一对一多类分类算法流程图 | 第44-46页 |
| ·实验中所用语音库简介 | 第46页 |
| ·改进的一对一多类分类算法的实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于K最近邻样本删减的SVM在语音识别中的应用 | 第49-63页 |
| ·K最近邻样本删减算法 | 第49-52页 |
| ·K最近邻算法的基本原理 | 第49-50页 |
| ·K最近邻算法存在的缺点 | 第50页 |
| ·K最近邻算法在语音识别中的应用 | 第50-52页 |
| ·改进的KNN-SVM算法 | 第52-56页 |
| ·NN-SVM算法 | 第52-55页 |
| ·KNN-SVM算法 | 第55-56页 |
| ·改进的KNN-SVM多类分类算法的实验结果及分析 | 第56-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
