首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于特权信息的情感识别

摘要第1-7页
ABSTRACT第7-12页
表格索引第12-13页
插图索引第13-15页
主要符号对照表第15-16页
第一章 绪论第16-26页
   ·研究背景及意义第16-17页
   ·相关工作第17-23页
     ·视频情感标注第17-19页
     ·基于脑电信号的情感识别第19-20页
     ·多AU识别第20-21页
     ·基于特权信息的机器学习第21-23页
   ·研究内容与主要贡献第23-24页
   ·论文组织结构第24-26页
第二章 融合用户脑电信号和视频内容的视频情感标注第26-42页
   ·引言第26-27页
   ·三种空间及其关系第27-30页
     ·情感标签空间第27页
     ·生理空间第27-28页
     ·物理空间第28-30页
     ·物理/生理空间与情感标签之间的关系第30页
     ·物理空间与生理空间之间的关系第30页
   ·采用贝叶斯网络进行视频情感标注第30-33页
     ·特征层独立融合第31页
     ·决策层融合第31-33页
     ·特征层相关融合第33页
   ·实验及分析第33-40页
     ·心理生理学实验和数据采集第33-35页
     ·实验结果和分析第35-38页
     ·情感标注实验及结果第38-40页
   ·本章小结第40-42页
第三章 基于特权信息学习的情感识别和视频情感标注第42-58页
   ·引言第42-43页
   ·研究方法第43-46页
     ·特征提取第44页
     ·特征选择第44页
     ·联合构建新的脑电和视频特征空间第44-46页
     ·情感识别使用的分类器第46页
   ·实验及分析第46-55页
     ·实验条件第46-47页
     ·特征选择的实验结果第47-50页
     ·情感识别的实验结果第50-51页
     ·视频情感标注的实验结果第51-55页
     ·与相关工作的比较第55页
   ·本章小结第55-58页
第四章 基于个性化特权信息的情感识别第58-72页
   ·引言第58页
   ·识别方法第58-61页
     ·特征提取第59页
     ·特征选择第59-60页
     ·使用特权信息进行情感识别第60-61页
   ·实验与分析第61-69页
     ·实验条件第61-62页
     ·被试编号作为特权信息第62-65页
     ·被试分组作为特权信息的情感识别实验第65-68页
     ·与相关工作的比较第68-69页
   ·各情感识别方法的比较第69-70页
   ·本章小结第70-72页
第五章 基于多任务学习和语义关系建模的多AU识别第72-92页
   ·引言第72页
   ·AU识别方法第72-76页
     ·特征提取第73页
     ·基于多任务特征学习的多AU识别第73-75页
     ·使用贝叶斯网络从标签中进行AU关系建模第75-76页
   ·实验结果及分析第76-89页
     ·实验条件第76-78页
     ·基于实例的实验结果及分析第78-86页
     ·基于标签的实验结果及分析第86页
     ·与相关工作的比较第86-87页
     ·跨数据库实验第87-89页
   ·本章小结第89-92页
第六章 总结与展望第92-96页
   ·视频混合标注:融合脑电信号和视频内容第92-93页
     ·研究工作总结第92页
     ·进一步研究展望第92-93页
   ·模态特征作为特权信息:脑电信号和视频内容互为特权信息第93页
     ·研究工作总结第93页
     ·进一步研究展望第93页
   ·被试或分组作为特权信息:基于个性化特权信息的情感识别第93页
     ·研究工作总结第93页
     ·进一步研究展望第93页
   ·多任务作为特权信息:多AU识别第93-96页
     ·研究工作总结第93-94页
     ·进一步研究展望第94-96页
参考文献第96-104页
附录A 情感刺激视频列表第104-108页
致谢第108-110页
在读期间发表的学术论文与取得的研究成果第110-112页
作者简历第112页

论文共112页,点击 下载论文
上一篇:亚纳米精度电涡流传感器的理论和设计研究
下一篇:不确定分数阶系统的自适应控制研究