基于语音、表情与姿态的多模态情感识别算法实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-17页 |
| 1.3 本课题研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-19页 |
| 第二章 情感特征的提取 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 语音情感特征提取 | 第19-24页 |
| 2.2.1 韵律特征的提取 | 第20-21页 |
| 2.2.2 MFCC特征的提取 | 第21-24页 |
| 2.3 表情情感特征提取 | 第24-29页 |
| 2.3.1 Gabor特征提取 | 第24-28页 |
| 2.3.2 基于主成分分析的特征降维 | 第28-29页 |
| 2.4 姿态情感特征提取 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 多模态情感特征融合与特征选择 | 第31-40页 |
| 3.1 引言 | 第31页 |
| 3.2 数据的归一化 | 第31-32页 |
| 3.3 典型相关分析 | 第32-33页 |
| 3.4 多重典型相关分析 | 第33-34页 |
| 3.5 判别典型相关分析 | 第34-35页 |
| 3.6 判别多重典型相关分析 | 第35-37页 |
| 3.7 特征选择 | 第37-39页 |
| 3.7.1 Relief算法 | 第37-38页 |
| 3.7.2 ReliefF算法 | 第38-39页 |
| 3.8 本章小结 | 第39-40页 |
| 第四章 基于支持向量机的多模态情感识别 | 第40-46页 |
| 4.1 引言 | 第40页 |
| 4.2 支持向量机 | 第40-45页 |
| 4.2.1 C-支持向量分类 | 第41-42页 |
| 4.2.2 n-支持向量分类 | 第42-43页 |
| 4.2.3 多类别分类 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 仿真实验结果及其分析 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 三模态情感数据库简介 | 第46-47页 |
| 5.3 单模态情感识别 | 第47-52页 |
| 5.4 双模态情感识别 | 第52-54页 |
| 5.5 三模态情感识别 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录1 攻读硕士学位期间申请的专利 | 第62-63页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |
