智能計算在漢語方言聲調(diào)識別中的應用

定　價：￥78.00

作　者：	張鴻雁、薛潔、劉希玉、邵燕梅
出版社：	知識產(chǎn)權(quán)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥65.90)

ISBN：	9787513088978	出版時間：	2023-09-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：	168	字數(shù)：

內(nèi)容簡介

　　漢語是一種聲調(diào)語言，聲調(diào)在辨意中發(fā)揮著重要作用，因此聲調(diào)的特征研究是漢語方言研究的重要部分。本書介紹了多種智能算法在漢語方言單字調(diào)識別中的應用，為漢語方言的語言研究學者提供了新的研究方法和思路。

作者簡介

　　張鴻雁，女，博士，山東師范大學商學院信息管理系講師。曾在北京大學信息科學與技術(shù)學院訪學。主要研究方向為計算智能、生物計算、數(shù)據(jù)挖掘和信息管理等。多篇學術(shù)論文被SCI、EI收錄，曾承擔山東省自然科學基金和教*部人文社科一般項目各1項。薛潔，女，博士，山東師范大學商學院信息管理系副教授，博士生導師，山東師范大學東岳學者。主要從事新型生物啟發(fā)式計算模型、人工智能算法的研究及其在醫(yī)學圖像處理中的應用，特別是針對腦腫瘤、眼底病變、胰腺癌的臨床問題研究。以第一作者、通訊作者在相關(guān)刊物發(fā)表SCI論文35篇，主持國家自然科學基金3項，山東省重大創(chuàng)新工程課題1項，山東省自然科學基金1項，中國博士后面上項目1項。劉希玉，男，博士，山東師范大學商學院信息管理系教授，博士生導師。主要從事信息管理與電子商務、計算智能、非線性分析和計算機輔助創(chuàng)新設計方面的應用研究。主持和完成包括3項國家自然科學基金項目在內(nèi)的國家級省部級項目10余項，發(fā)表SCI、EI論文150余篇。邵燕梅，女，漢語言文字學博士，山東師范大學文學院教授，博士生導師。研究方向為漢語方言學、詞匯學與詞典學，主要致力于社會方言和地域方言及相關(guān)研究。主持國家社科基金后期資助項目1項、中國語言資源保護工程專項任務4項、省部級重點課題2項及其他省部級、市廳級課題多項。出版《郯城方言志》《沂南方言志》《費縣方言志》《現(xiàn)代漢語隱語研究》等著作，在《方言》《語言研究》《語文研究》《南開語言學刊》等刊物上發(fā)表多篇論文。

圖書目錄

目錄
第1章語音學與智能計算
1.1 語音學簡介
1.2 現(xiàn)代語音學
1.3 現(xiàn)代語音學與信息技術(shù)的結(jié)合
1.3.1 語音學在智能領(lǐng)域的應用
1.3.2智能算法在語音學研究領(lǐng)域的應用.
第2章語音信號的分析
2.1語音信號的聲學基礎(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語音生成系統(tǒng)和感知系統(tǒng)
2.2.1語音的來源
2.2.2語音的三種聲源
2.2.3語音產(chǎn)生的聲學原理
2.3語音信號的聲學特征提取
2.3.1時域和頻域
2.3.3語譜圖
2.3.4梅爾頻率語譜圖與梅爾倒譜系數(shù)
2.3.5基頻
第3章漢語聲調(diào)的特點.
3.1 聲調(diào)、音高與音調(diào)
3.2 漢語的聲調(diào)
3.3聲調(diào)的表示
第4章基于支持向量機的漢語聲調(diào)識別
4.1支持向量機簡介
4.2支持向量機算法原理
4.2.1線性支持向量機
4.2.2非線性支持向量機
4.2.3核函數(shù)
4.2.4--對一支持向量機
4.3基于支持向量機的漢語方言聲調(diào)分類的實現(xiàn)
4.3.1圖像分類任務
4.3.2特征選擇與提取
4.3.3基于SVM 算法的漢語方言聲調(diào)分類實現(xiàn).
4.4 總結(jié)
第5章基于卷積神經(jīng)網(wǎng)絡的漢語聲調(diào)識別
5.1人工神經(jīng)網(wǎng)絡簡介
5.1.1人工神經(jīng) 網(wǎng)絡
5.1.2 神經(jīng)元
5.1.3神經(jīng)元的學習算法
5.1.4網(wǎng)絡拓撲
5.1.5 網(wǎng)絡學習算法
5.2 BP神經(jīng)網(wǎng)絡
5.3 卷積神經(jīng)網(wǎng)絡
5.3.1卷積神經(jīng)網(wǎng)絡簡介
5.3.2卷積神經(jīng)網(wǎng)絡圖像識別原理
5.3.2卷積神經(jīng)網(wǎng)絡模型的建立
5.4 基于卷積神經(jīng)網(wǎng)絡的語譜圖分類實現(xiàn)
5.4.1數(shù)據(jù)描述
5.4.2實驗步驟
5.4.3實驗結(jié)果
5.5 總結(jié)
第6章基于深度學習的漢語聲調(diào)識別
6.1深度學習方法
6.2 深度神經(jīng)網(wǎng)絡模型
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基于深度學習的漢語方言聲調(diào)分類的實現(xiàn)
6.3.1數(shù)據(jù)來源及數(shù)據(jù)特征
6.3.2實驗步驟
6.3.3實驗結(jié)果分析
6.3.4結(jié)論
6.4 總結(jié)
第7章基于生物計算的漢語聲調(diào)識別
7.1生物計算簡介
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
7.2.3脈沖神經(jīng)膜系統(tǒng)的形式化定義
7.3 門限脈沖神經(jīng)膜系統(tǒng)模型
7.3.1 定義
7.3.2 網(wǎng)絡模型
7.4 基于GSNP系統(tǒng)的漢語方言聲調(diào)分類的實現(xiàn)
7.5.1實驗參數(shù)的討論
7.5.4 不同模型的比較
7.6 總結(jié)
第8章漢語聲調(diào)的無監(jiān)督聚類
8.1聚類算法簡介
8.2基于特征提取的漢語聲調(diào)聚類
8.2.1圖像的主成分分析
8.2.2圖像的神經(jīng)網(wǎng)絡
8.3聚類有效性評價
8.3.1內(nèi)部有效性指標
8.3.2外部有效性指標
8.4基于K-means算法的漢語聲調(diào)聚類
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)缺點及算法復雜度
8.4.5 SciPy聚類包
8.4.6 K 值的選取方法.
8.4.7基于K-means算法的漢語方言聲調(diào)聚類的實現(xiàn)
8.5基于層次聚類算法的漢語聲調(diào)聚類
8.5.1層次聚類算法原理
8.5.2凝聚和分裂層次聚類
8.5.3簇間距離度量方法
8.5.4層次聚類的優(yōu)缺點
8.5.5基于最小距離的層次聚類算法的基本思想
8.5.6基于層次聚類的語譜圖的聚類實現(xiàn)
8.6 基于譜聚類的漢語聲調(diào)聚類
8.6.1譜聚類基本原理
8.6.2譜聚類算法流程
8.6.3 sklearn 庫中的譜聚類使用
8.6.4基于譜聚類的漢語方言聲調(diào)聚類的實現(xiàn)
8.7 總結(jié)
參考文獻.