基于支持向量机的语种识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究的背景和意义 | 第8-9页 |
| ·语种识别的研究进展 | 第9-12页 |
| ·论文的研究思路和作者的工作 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第2章 语种识别特征提取 | 第14-25页 |
| ·引言 | 第14页 |
| ·语音信号预处理 | 第14-15页 |
| ·语音信号的声学特征 | 第15-17页 |
| ·音位信息 | 第16页 |
| ·韵律信息 | 第16-17页 |
| ·语音信号的其它特征信息 | 第17页 |
| ·特征提取 | 第17-23页 |
| ·MFCC 参数集 | 第18-20页 |
| ·LPCC 参数集 | 第20-21页 |
| ·第一共振峰参数集 | 第21页 |
| ·基音频率参数集 | 第21-22页 |
| ·短时能量参数集 | 第22-23页 |
| ·韵律节奏参数集 | 第23页 |
| ·最优特征参数的选择 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于支持向量机的语种识别 | 第25-34页 |
| ·引言 | 第25页 |
| ·支持向量机 | 第25-31页 |
| ·支持向量机理论 | 第25-28页 |
| ·线性可分情况下的支持向量机 | 第28页 |
| ·非线性可分情况的支持向量机 | 第28-30页 |
| ·核函数 | 第30-31页 |
| ·基于 SVM 的语种识别系统 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于多特征多分类器融合的语种识别 | 第34-44页 |
| ·引言 | 第34页 |
| ·分类器融合技术 | 第34-40页 |
| ·多数投票法 | 第36页 |
| ·加权平均法 | 第36-38页 |
| ·决策模板融合技术 | 第38-40页 |
| ·特征融合技术 | 第40-41页 |
| ·多特征多分类器融合 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-55页 |
| ·引言 | 第44页 |
| ·实验数据库 | 第44-46页 |
| ·少数民族语电话语音数据库 | 第44页 |
| ·CSLU 数据库 | 第44-45页 |
| ·语音样本选择 | 第45-46页 |
| ·基于单分类器 SVM 的语种识别 | 第46-49页 |
| ·实验方案 | 第46-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·基于多特征多分类器融合的语种识别 | 第49-54页 |
| ·实验方案 | 第49-51页 |
| ·实验结果与分析 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在读期间参与的科研项目和发表的学术论文 | 第63页 |
