智能計(jì)算在漢語(yǔ)方言聲調(diào)識(shí)別中的應(yīng)用

目錄
第1章語(yǔ)音學(xué)與智能計(jì)算
1.1 語(yǔ)音學(xué)簡(jiǎn)介
1.2 現(xiàn)代語(yǔ)音學(xué)
1.3 現(xiàn)代語(yǔ)音學(xué)與信息技術(shù)的結(jié)合
1.3.1 語(yǔ)音學(xué)在智能領(lǐng)域的應(yīng)用
1.3.2智能算法在語(yǔ)音學(xué)研究領(lǐng)域的應(yīng)用.
第2章語(yǔ)音信號(hào)的分析
2.1語(yǔ)音信 號(hào)的聲學(xué)基礎(chǔ)
2.1.1聲波
2.1.2聲波的物理量
2.1.3聲音的四要 索
2.2語(yǔ)音生成系統(tǒng)和感知系統(tǒng)
2.2.1語(yǔ) 音的來(lái)源
2.2.2語(yǔ) 音的三種聲源
2.2.3語(yǔ) 音產(chǎn)生的聲學(xué)原理
2.3語(yǔ)音信號(hào)的聲學(xué)特征提取
2.3.1時(shí) 域和頻域
2.3.3語(yǔ)譜圖
2.3.4梅爾頻率語(yǔ)譜圖與梅爾倒譜系數(shù)
2.3.5基頻
第3章漢語(yǔ)聲調(diào)的特點(diǎn).
3.1 聲調(diào)、音高與音調(diào)
3.2 漢語(yǔ)的聲調(diào)
3.3聲調(diào)的表示
第4章基于支持向量機(jī)的漢語(yǔ)聲調(diào)識(shí)別
4.1支持向量機(jī)簡(jiǎn)介
4.2支持向量機(jī)算法原理
4.2.1線(xiàn)性支持向量機(jī)
4.2.2非線(xiàn)性支持向量機(jī)
4.2.3核函數(shù)
4.2.4--對(duì)一支持向量機(jī)
4.3基于支持向 量機(jī)的漢語(yǔ)方言聲調(diào)分類(lèi)的實(shí)現(xiàn)
4.3.1圖像分類(lèi)任務(wù)
4.3.2特征選擇 與提取
4.3.3基于SVM 算法的漢語(yǔ)方言聲調(diào)分類(lèi)實(shí)現(xiàn).
4.4 總結(jié)
第5章基于卷積神經(jīng)網(wǎng)絡(luò)的漢語(yǔ)聲調(diào)識(shí)別
5.1人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
5.1.1人工神經(jīng) 網(wǎng)絡(luò)
5.1.2 神經(jīng)元
5.1.3神經(jīng)元的學(xué)習(xí)算法
5.1.4網(wǎng)絡(luò)拓?fù)?br />5.1.5 網(wǎng)絡(luò)學(xué)習(xí)算法
5.2 BP神經(jīng)網(wǎng)絡(luò)
5.3 卷積神經(jīng)網(wǎng)絡(luò)
5.3.1卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
5.3.2卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別原理
5.3.2卷積神經(jīng)網(wǎng)絡(luò)模型的建立
5.4 基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)譜圖分類(lèi)實(shí)現(xiàn)
5.4.1數(shù)據(jù)描述
5.4.2實(shí)驗(yàn)步驟
5.4.3實(shí)驗(yàn)結(jié)果
5.5 總結(jié)
第6章基于深度學(xué) 習(xí)的漢語(yǔ)聲調(diào)識(shí)別
6.1深度學(xué)習(xí)方法
6.2 深度神經(jīng)網(wǎng)絡(luò)模型
6.2.1 AlexNet 模型
6.2.2 VGGNet 模型
6.2.3 GoogLeNet 模型
6.3.4 ResNet模型
6.3基于深度學(xué)習(xí)的漢語(yǔ)方言聲調(diào)分類(lèi)的實(shí)現(xiàn)
6.3.1數(shù)據(jù)來(lái)源及數(shù)據(jù)特征
6.3.2實(shí)驗(yàn)步驟
6.3.3實(shí) 驗(yàn)結(jié)果分析
6.3.4結(jié)論
6.4 總結(jié)
第7章基于生物計(jì)算的漢語(yǔ)聲調(diào)識(shí)別
7.1生 物計(jì)算簡(jiǎn)介
7.2脈沖神經(jīng)膜系統(tǒng)原理
7.2.1脈沖神經(jīng)膜系統(tǒng)的基本概念
7.2.2脈 沖神經(jīng)膜系統(tǒng)的分類(lèi)
7.2.3脈 沖神經(jīng)膜系統(tǒng)的形式化定義
7.3 門(mén)限脈沖神經(jīng)膜系統(tǒng)模型
7.3.1 定義
7.3.2 網(wǎng)絡(luò)模型
7.4 基于GSNP系統(tǒng)的漢語(yǔ)方言聲調(diào)分類(lèi)的實(shí)現(xiàn)
7.5.1實(shí) 驗(yàn)參數(shù)的討論
7.5.4 不同模型的比較
7.6 總結(jié)
第8章漢語(yǔ)聲調(diào)的無(wú)監(jiān)督聚類(lèi)
8.1聚類(lèi)算法簡(jiǎn)介
8.2基于特征提取的漢語(yǔ)聲調(diào)聚類(lèi)
8.2.1圖像的 主成分分析
8.2.2圖像 的神經(jīng)網(wǎng)絡(luò)
8.3聚類(lèi) 有效性評(píng)價(jià)
8.3.1內(nèi)部有 效性指標(biāo)
8.3.2外部有 效性指標(biāo)
8.4基于K-means算法的漢語(yǔ)聲調(diào)聚類(lèi)
8.4.1 K-means 算法的原理
8.4.2相似性度量方式
8.4.3 K-means 算法流程
8.4.4 K-means 算法的優(yōu)缺點(diǎn)及算法復(fù)雜度
8.4.5 SciPy聚類(lèi)包
8.4.6 K 值的選取方法.
8.4.7基于K-means算法的漢語(yǔ)方言聲調(diào)聚類(lèi)的實(shí)現(xiàn)
8.5基于層次聚 類(lèi)算法的漢語(yǔ)聲調(diào)聚類(lèi)
8.5.1層次 聚類(lèi)算法原理
8.5.2凝聚 和分裂層次聚類(lèi)
8.5.3簇間距離度量方法
8.5.4層次聚 類(lèi)的優(yōu)缺點(diǎn)
8.5.5基于最小距離的層次聚類(lèi)算法的基本思想
8.5.6基于層次 聚類(lèi)的語(yǔ)譜圖的聚類(lèi)實(shí)現(xiàn)
8.6 基于譜聚類(lèi)的漢語(yǔ)聲調(diào)聚類(lèi)
8.6.1譜聚類(lèi)基 本原理
8.6.2譜聚類(lèi)算法流程
8.6.3 sklearn 庫(kù)中的譜聚類(lèi)使用
8.6.4基于譜聚類(lèi)的漢語(yǔ)方言聲調(diào)聚類(lèi)的實(shí)現(xiàn)
8.7 總結(jié)
參考文獻(xiàn).