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。

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��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*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.