探讨神经网络基于聚类和神经网络集成说话人识别策略

论文导读：53.3本章小结25-26第四章神经网络集成26-334.1BP神经网络26-304.1.2BP算法概述26-274.1.3BP算法数学描述27-294.1.4BP算法程序的实现29-304.2神经网络集成概述30-314.2.1神经网络集成思想的产生304.2.2神经网络集成原理30-314.3神经网络集成构建办法31-324.3.1个体创建31-324.3.2结论合成324.4本章小结32-3
摘要：说话人识别技术是根据语音信号特点来自动识别说话人的身份。作为一种生物认证技术，与其他技术相比它更方便、经济、安全，被广泛用于网络、国防、安全等领域中。由此，对说话人识别技术的探讨具有普遍的实用价值和重要作用。在本论文的开头对说话人识别进行了概述，对其基本原理和识别体系结构从及实现历程做了简单简介。首先，分析了说话人识别体系常用的两种主流特点参数，即LPCC和MFCC。其次，对本论文探讨内容所要用到的论述背景知识——聚类分析和神经网络集成做了充分详细的简介。接下来，针对传统k-means算法用于语音信号矢量聚类方面的缺陷,提出了基于方差的加权几何距离对传统k-means算法进行改善，对特点矢量的各分量按方差大小加权，加权因子是矢量方差的倒数。将改善的算法与BP_Adaboost集成模型结合后，把二者运用到说话人识别体系中。最后在Matlab软件上进行了仿真实验。首先，对语音信号进行了预处理等一系列处理。因为梅尔倒频谱系在反映人耳的听觉特性上更具优势。所从在特点参数的选择方面，我们选择了梅尔倒频谱系数作为特点参数，使其作为体系模型训练和识别的输入向量，对模型训练和学习。最后，将基于本论文办法的说话人识别体系分别和基于单BP神经网络模型从及基于BP_Adaboost集成模型的说话人识别体系进行实验比较，从此来验证本论文办法的有效性。关键词：说话人识别论文梅尔倒频谱系数论文k-means聚类论文神经网络集成论文Matlab论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要6-7
ABSTRACT7-9
第一章 绪论9-15

1.1 说话人识别技术的探讨背景和作用9

1.2 说话人识别技术概述9-11

1.2.1 说话人识别体系结构9-10

1.2.2 说话人识别模型10-11

1.2.3 说话人识别体系的性能评价11

1.3 说话人识别技术的探讨与进展11-13

1.3.1 说话人识别技术的探讨11-12

1.3.2 说话人识别技术的进展12-13

1.4 说话人识别技术的运用近况13

1.5 论文的内容安排从及创新点13-15

第二章 语音信号特点参数分析及提取15-21

2.1 语音信号产生原理15-16

2.2 说话人识别常用的特点参数16

2.1 线性预测倒谱系数(LPCC)16

2.2 梅尔倒谱系数(MFCC)16

2.3 语音信号特点参数提取16-20

2.3.1 采样与量化17

2.3.2 语音信号预处理17

2.3.3 特点参数提取算法17-20

2.4 本章小结20-21

第三章 聚类分析21-26

3.1 聚类分析概述21-24

3.

1.1 簇的定义21-22

3.

1.2 数学表示22-23

3.

1.3 聚类分析探讨的主要内容23-24

3.2 主要聚类办法24-25
3.

2.1 划分办法24

3.

2.2 层次办法24

3.

2.3 基于密度办法24

3.

2.4 基于网格办法24-25

3.

2.5 基于模型办法25

3.3 本章小结25-26
第四章 神经网络集成26-33

4.1 BP 神经网络26-30

4.

1.2 BP 算法概述26-27

4.

1.3 BP 算法数学描述27-29

4.

1.4 BP 算法程序的实现29-30

4.2 神经网络集成概述30-31
4.

2.1 神经网络集成思想的产生30

4.

2.2 神经网络集成原理30-31

4.3 神经网络集成构建办法31-32
4.

3.1 个体创建31-32

4.

3.2 结论合成32

4.4 本章小结32-33
第五章 基于聚类分析和神经网络集成的说话人识别体系33-39

5.1 改善的 k-means 聚类算法33-37

5.

1.1 k-means 算法基本思想33-34

5.

1.2 基于传统 k-means 算法的改善34-35

5.

1.3 改善后 k-means 算法仿真实验35-37

5.2 BP_AdaBoost 神经网络集成对策37-38

5.3 本章小结38-39

第六章 仿真实验和分析39-48

6.1 实验平台39

6.

1.1 硬件环境39

6.

1.2 软件环境39

6.2 实验 1：语音特点参数提取39-45
6.

2.1 语音采样39-40

6.

2.2 语音信号预处理40-43

6.论文导读：2.3特点参数的选择43-456.3实验2：识别实验45-476.4本章小结47-48第七章总结和展望48-497.1总结487.2展望48-49参考文献49-52攻读硕士学位期间取得的科研成果52-53致谢53上一页12

2.3 特点参数的选择43-45

6.3 实验 2：识别实验45-47

6.4 本章小结47-48

第七章 总结和展望48-49

7.1 总结48

7.2 展望48-49

参考文献49-52
攻读硕士学位期间取得的科研成果52-53
致谢53