首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

双模态情绪强度估计方法研究

摘要第1-5页
ABSTRACT第5-7页
目录第7-9页
第一章 绪论第9-16页
   ·课题来源第9页
   ·研究意义第9-11页
     ·虚拟人领域的应用第10页
     ·远程教学领域的应用第10页
     ·医学领域的应用第10-11页
     ·安全检测领域的应用第11页
   ·研究范围及其难点第11-13页
     ·面部表情识别第11-12页
     ·面部表情强度估计第12页
     ·情绪分析第12-13页
   ·本文研究内容及解决方法第13-14页
     ·本文研究内容第13-14页
     ·问题的解决方法第14页
   ·本文组织结构第14-16页
第二章 国内外相关研究工作以及理论基础第16-29页
   ·引言第16-17页
   ·面部表情识别的研究现状第17-21页
   ·面部表情强度研究现状第21-22页
   ·情绪分析研究现状第22-24页
     ·情绪识别研究现状第23-24页
     ·情绪强度估计现状第24页
   ·MHMM理论知识介绍第24-29页
     ·HMM模型的参数第24-25页
     ·HMM模型的三个基本问题第25-26页
     ·HMM模型类型的选择第26-27页
     ·GMM模型第27-28页
     ·MHMM模型第28-29页
第三章 基于双模态信息提取的情绪强度估计方法第29-44页
   ·引言第29-30页
   ·情绪强度估计方法的总体思路第30-31页
   ·双模态情绪信息提取方法第31-35页
     ·表情强度估计中主FAU的选取第31-32页
     ·动作表情的建模第32-34页
     ·观测值的构成第34页
     ·本文采用的跟踪算法简介第34-35页
   ·基于DMHMM模型的情绪强度估计方法第35-43页
     ·DMHMM模型第35-37页
     ·DMHMM参数训练第37-41页
     ·MHMM测试方法第41-43页
   ·本章小结第43-44页
第四章 实验结果及分析第44-52页
   ·实验数据的采集第44-45页
   ·双模态情绪信息提取结果第45-48页
   ·基于DMHMM模型的情绪强度估计方法的实验结果第48-51页
     ·数据的标记第48页
     ·实验结果第48-51页
   ·本章小结第51-52页
第五章 总结与展望第52-54页
   ·本文工作总结第52页
   ·工作展望第52-54页
参考文献第54-59页
致谢第59-60页
攻读硕士学位期间主要的研究成果第60页

论文共60页,点击 下载论文
上一篇:GIS中的计算几何算法研究
下一篇:基于.NET平台与混合模式的DIMS的设计与实现