书籍详情

智能计算在汉语方言声调识别中的应用

智能计算在汉语方言声调识别中的应用

作者:张鸿雁、薛洁、刘希玉、邵燕梅

出版社:知识产权出版社

出版时间:2023-09-01

ISBN:9787513088978

定价:¥78.00

购买这本书可以去
内容简介
  汉语是一种声调语言,声调在辨意中发挥着重要作用,因此声调的特征研究是汉语方言研究的重要部分。本书介绍了多种智能算法在汉语方言单字调识别中的应用,为汉语方言的语言研究学者提供了新的研究方法和思路。
作者简介
  张鸿雁,女,博士,山东师范大学商学院信息管理系讲师。曾在北京大学信息科学与技术学院访学。主要研究方向为计算智能、生物计算、数据挖掘和信息管理等。多篇学术论文被SCI、EI收录,曾承担山东省自然科学基金和教*部人文社科一般项目各1项。薛洁,女,博士,山东师范大学商学院信息管理系副教授,博士生导师,山东师范大学东岳学者。主要从事新型生物启发式计算模型、人工智能算法的研究及其在医学图像处理中的应用,特别是针对脑肿瘤、眼底病变、胰腺癌的临床问题研究。以第一作者、通讯作者在相关刊物发表SCI论文35篇,主持国家自然科学基金3项,山东省重大创新工程课题1项,山东省自然科学基金1项,中国博士后面上项目1项。刘希玉,男,博士,山东师范大学商学院信息管理系教授,博士生导师。主要从事信息管理与电子商务、计算智能、非线性分析和计算机辅助创新设计方面的应用研究。主持和完成包括3项国家自然科学基金项目在内的国家级省部级项目10余项,发表SCI、EI论文150余篇。邵燕梅,女,汉语言文字学博士,山东师范大学文学院教授,博士生导师。研究方向为汉语方言学、词汇学与词典学,主要致力于社会方言和地域方言及相关研究。主持国家社科基金后期资助项目1项、中国语言资源保护工程专项任务4项、省部级重点课题2项及其他省部级、市厅级课题多项。出版《郯城方言志》《沂南方言志》《费县方言志》《现代汉语隐语研究》等著作,在《方言》《语言研究》《语文研究》《南开语言学刊》等刊物上发表多篇论文。
目录
目录
第1章语音学与智能计算
1.1 语音学简介
1.2 现代语音学
1.3 现代语音学与信息技术的结合
1.3.1 语音学在智能领域的应用
1.3.2智能算法在语音学研究领域的应用.
第2章语音信号的分析
2.1语音信 号的声学基础
2.1.1声波
2.1.2声波的物理量
2.1.3声音的四要 索
2.2语音生成系统和感知系统
2.2.1语 音的来源
2.2.2语 音的三种声源
2.2.3语 音产生的声学原理
2.3语音信号的声学特征提取
2.3.1时 域和频域
2.3.3语谱图
2.3.4梅尔频率语谱图与梅尔倒谱系数
2.3.5基频
第3章汉语声调的特点.
3.1 声调、音高与音调
3.2 汉语的声调
3.3声调的表示
第4章基于支持向量机的汉语声调识别
4.1支持向量机简介
4.2支持向量机算法原理
4.2.1线性支持向量机
4.2.2非线性支持向量机
4.2.3核函数
4.2.4--对一支持向量机
4.3基于支持向 量机的汉语方言声调分类的实现
4.3.1图像分类任务
4.3.2特征选择 与提取
4.3.3基于SVM 算法的汉语方言声调分类实现.
4.4 总结
第5章基于卷积神经网络的汉语声调识别
5.1人工神经网络简介
5.1.1人工神经 网络
5.1.2 神经元
5.1.3神经元的学习算法
5.1.4网络拓扑
5.1.5 网络学习算法
5.2 BP神经网络
5.3 卷积神经网络
5.3.1卷积神经网络简介
5.3.2卷积神经网络图像识别原理
5.3.2卷积神经网络模型的建立
5.4 基于卷积神经网络的语谱图分类实现
5.4.1数据描述
5.4.2实验步骤
5.4.3实验结果
5.5 总结
第6章基于深度学 习的汉语声调识别
6.1深度学习方法
6.2 深度神经网络模型
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基于深度学习的汉语方言声调分类的实现
6.3.1数据来源及数据特征
6.3.2实验步骤
6.3.3实 验结果分析
6.3.4结论
6.4 总结
第7章基于生物计算的汉语声调识别
7.1生 物计算简介
7.2脉冲神经膜系统原理
7.2.1脉冲神经膜系统的基本概念
7.2.2脉 冲神经膜系统的分类
7.2.3脉 冲神经膜系统的形式化定义
7.3 门限脉冲神经膜系统模型
7.3.1 定义
7.3.2 网络模型
7.4 基于GSNP系统的汉语方言声调分类的实现
7.5.1实 验参数的讨论
7.5.4 不同模型的比较
7.6 总结
第8章汉语声调的无监督聚类
8.1聚类算法简介
8.2基于特征提取的汉语声调聚类
8.2.1图像的 主成分分析
8.2.2图像 的神经网络
8.3聚类 有效性评价
8.3.1内部有 效性指标
8.3.2外部有 效性指标
8.4基于K-means算法的汉语声调聚类
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 算法的优缺点及算法复杂度
8.4.5 SciPy聚类包
8.4.6 K 值的选取方法.
8.4.7基于K-means算法的汉语方言声调聚类的实现
8.5基于层次聚 类算法的汉语声调聚类
8.5.1层次 聚类算法原理
8.5.2凝聚 和分裂层次聚类
8.5.3簇间距离度量方法
8.5.4层次聚 类的优缺点
8.5.5基于最小距离的层次聚类算法的基本思想
8.5.6基于层次 聚类的语谱图的聚类实现
8.6 基于谱聚类的汉语声调聚类
8.6.1谱聚类基 本原理
8.6.2谱聚类算法流程
8.6.3 sklearn 库中的谱聚类使用
8.6.4基于谱聚类的汉语方言声调聚类的实现
8.7 总结
参考文献.
猜您喜欢

读书导航