声明
摘要
第一章 绪论
1.1 课题研究背景与意义
1.2 语音识别的发展与现状
1.3 语音识别系统面临的问题
1.4 本文完成的主要工作
1.5 本文结构安排
第二章 语音识别系统基础理论
2.1 语音识别的基本原理
2.2 语音信号预处理
2.2.1 预滤波
2.2.2 预加重
2.2.3 加窗和分帧
2.2.4 端点检测
2.3 语音信号特征提取
2.4 模型训练及模式匹配
2.4.1 隐马尔可夫模型
2.4.2 人工神经网络
2.4.3 支持向量机
2.5 本章小结
第三章 最小二乘支持向量分类机理论
3.1 统计学习理论
3.1.1 VC维
3.1.2 结构风险最小化
3.2 支持向量分类机(SVM)
3.2.1 线性支持向量机
3.2.2 非线性支持向量机
3.2.3 多类分类方法
3.3 最小二乘支持向量分类机(LSSVM)
3.3.1 最小二乘支持向量分类机原理
3.3.2 最小二乘支持向量机的稀疏性
3.4 模型参数的选择方法
3.5 本章小结
第四章 基于独立成分分析的LSSVM稀疏化算法
4.1 独立成分分析(ICA)
4.1.1 独立成分分析算法的基本思想
4.1.2 独立成分分析算法的快速实现
4.2 ICA_LSSVM稀疏化算法
4.2.1 ICA_LSSVM稀疏化算法的提出
4.2.2 ICA_LSSVM稀疏化算法中的特征降维
4.2.3 ICA_LSSVM稀疏化算法中的核矩阵约简
4.2.4 ICA_LSSVM稀疏化算法的实现
4.3 实验仿真与分析
4.3.1 实验环境与数据库介绍
4.3.2 实验结果与分析
4.4 本章小结
第五章 基于预选支持向量的LSSVM稀疏化算法
5.1 基于K均值聚类的LSSVM的稀疏化
5.1.1 K均值聚类(K-means)
5.1.2 基于K均值聚类的LSSVM稀疏化算法
5.2 基于中心距离比值的LSSVM稀疏化算法
5.3 改进的LSSVM稀疏化算法
5.3.1 改进的LSSVM稀疏化算法的基本思想
5.3.2 改进的LSSVM稀疏化算法的实现
5.4 实验仿真与分析
5.4.1 实验环境与数据库介绍
5.4.2 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文目录