声明
摘要
第一章绪论
1.1研究背景及意义
1.2研究现状
1.2.1Boosting方法
1.2.2唇读研究进展
1.3主要研究内容及创新点
1.4论文组织结构
第二章 Boosting原理
2.1分类回归决策树
2.1.1CART分类树
2.1.2CART回归树
2.2Gradient Boosting框架
2.2.1基学习器拟合最速下降方向
2.2.2二分类的梯度
2.2.3多分类的梯度
2.3SeqGBDT算法
2.3.1算法目标
2.3.2SeqGBDT框架
第三章基于CTC算法的SeqGBDT
3.1CTC算法原理
3.2CTC前向-后向算法
3.2.1前向算子
3.2.2后向算子
3.3CTC损失梯度
3.4集束搜索解码
第四章唇读的应用研究
4.1唇读原理
4.2深度学习在唇读中的应用
4.3SeqGBDT在唇读上的实证分析
4.3.1数据集介绍
4.3.2数据处理
4.3.3模型训练和结果
4.4模型的解释性
第五章总结与展望
5.1总结
5.2展望
参考文献
致谢
山东大学;