| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-13页 |
| 1.1.2 课题研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 课题主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 基于内容的音频信息检索相关理论 | 第19-33页 |
| 2.1 音频信号的数字特征 | 第19-23页 |
| 2.1.1 音频信号的统计特征 | 第19-21页 |
| 2.1.2 音频信号的感知特征 | 第21-23页 |
| 2.2 基于内容的音频信号特征提取 | 第23-28页 |
| 2.2.1 基于音频帧信息的特征提取 | 第24-26页 |
| 2.2.2 基于音频片段信息的特征提取 | 第26-27页 |
| 2.2.3 特征向量集的构造 | 第27页 |
| 2.2.4 Philips 音频指纹提取方法 | 第27-28页 |
| 2.3 基于内容的音频信息检索框架及模型 | 第28-31页 |
| 2.3.1 向量空间模型 | 第29-30页 |
| 2.3.2 概率模型 | 第30-31页 |
| 2.4 音频信息检索的评价 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于内容的音频信息检索技术 | 第33-47页 |
| 3.1 基于内容的音频分类技术 | 第33-36页 |
| 3.1.1 基于规则的层次分类方法 | 第34页 |
| 3.1.2 混合高斯模型分类方法 | 第34页 |
| 3.1.3 基于神经网络分类法 | 第34-35页 |
| 3.1.4 基于支持向量机分类方法 | 第35页 |
| 3.1.5 基于决策树分类方法 | 第35页 |
| 3.1.6 基于隐马尔可夫模型分类方法 | 第35-36页 |
| 3.2 基于内容的音频索引技术 | 第36-41页 |
| 3.2.1 基于局部敏感哈希索引方法 | 第36-37页 |
| 3.2.2 基于倒排索引的方法 | 第37-39页 |
| 3.2.3 基于树与链表混合索引方法 | 第39-41页 |
| 3.3 基于音频相似度的音频检索方法 | 第41-46页 |
| 3.3.1 音频相似度 | 第41-43页 |
| 3.3.2 音乐相似度度量方法 | 第43-45页 |
| 3.3.3 音频分段 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于内容的音频智能检索与重复性检测 | 第47-65页 |
| 4.1 音频检索与重复性检测总体流程 | 第47-48页 |
| 4.2 音频预处理 | 第48-51页 |
| 4.2.1 时域-频域转换 | 第48-49页 |
| 4.2.2 信号预加重 | 第49-50页 |
| 4.2.3 首尾静音部分处理 | 第50页 |
| 4.2.4 音频指纹提取 | 第50-51页 |
| 4.3 音频特征匹配 | 第51-56页 |
| 4.3.1 ABV 压缩分类算法 | 第51-52页 |
| 4.3.2 FNV 混合哈希索引算法 | 第52-56页 |
| 4.4 音频检索与重复性检测 | 第56-57页 |
| 4.5 Filter-and-Refine 过滤框架 | 第57-58页 |
| 4.6 实验验证 | 第58-64页 |
| 4.6.1 软硬件环境 | 第58-59页 |
| 4.6.2 实验数据来源 | 第59页 |
| 4.6.3 实验设计 | 第59-60页 |
| 4.6.4 实验结果分析 | 第60-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 研究工作总结 | 第65页 |
| 5.2 后续工作及未来展望 | 第65-67页 |
| 参考文献 | 第67-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表的学术论文目录 | 第76页 |