| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 迁移学习国内外研究现状 | 第10-12页 |
| 1.3 表情识别研究现状 | 第12-15页 |
| 1.3.1 离散情感模型 | 第13页 |
| 1.3.2 连续情感模型 | 第13-15页 |
| 1.4 基于迁移学习和维度理论的表情识别研究 | 第15-18页 |
| 1.4.1 基于迁移学习的连续表情识别流程概述 | 第15-16页 |
| 1.4.2 连续情感模型回归方法概述 | 第16-17页 |
| 1.4.3 连续情感模型中的数据集 | 第17-18页 |
| 1.5 论文主要工作 | 第18-19页 |
| 1.6 论文组织结构 | 第19-20页 |
| 第2章 相关理论基础 | 第20-29页 |
| 2.1 迁移学习相关理论 | 第20-22页 |
| 2.1.1 迁移学习相关概念 | 第20-21页 |
| 2.1.2 迁移学习分类 | 第21-22页 |
| 2.2 常用表情特征提取方法 | 第22-26页 |
| 2.2.1 Gabor小波变换 | 第23-24页 |
| 2.2.2 局部二值模式 | 第24-25页 |
| 2.2.3 局部相位量化 | 第25-26页 |
| 2.3 Arousal-Valence维度间正相关关系的理论依据 | 第26-27页 |
| 2.4 回归结果的评价方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于TPCA的两层融合表情识别方法 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 基于TPCA的两层融合表情识别方法 | 第29-30页 |
| 3.3 相关性融合 | 第30-31页 |
| 3.4 迁移子空间学习方法 | 第31-34页 |
| 3.4.1 PCA子空间学习方法 | 第32页 |
| 3.4.2 迁移子空间学习方法TPCA | 第32-34页 |
| 3.5 实验与结果分析 | 第34-39页 |
| 3.5.1 实验设置和数据准备 | 第34页 |
| 3.5.2 不同特征上TPCA与PCA的对比实验 | 第34-36页 |
| 3.5.3 有无相关性融合的对比实验 | 第36-37页 |
| 3.5.4 本章方法与单特征方法对比实验 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于子空间对齐的表情识别方法 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 基于子空间对齐的表情识别方法 | 第40-41页 |
| 4.3 子空间对齐算法 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-47页 |
| 4.4.1 有迁移学习和无迁移学习的对比实验 | 第42-45页 |
| 4.4.2 相关性对比实验 | 第45-46页 |
| 4.4.3 本章方法和传统特征融合方法对比实验 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于迁移学习和Arousal-Valence情感模型的表情识别系统 | 第48-55页 |
| 5.1 引言 | 第48页 |
| 5.2 系统设计流程 | 第48-50页 |
| 5.3 系统功能模块 | 第50-52页 |
| 5.3.1 图片展示模块 | 第50页 |
| 5.3.2 训练模型导入模块 | 第50-51页 |
| 5.3.3 表情识别模块 | 第51-52页 |
| 5.4 系统测试 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第6章 结束语 | 第55-57页 |
| 6.1 研究工作总结 | 第55-56页 |
| 6.2 后续研究工作 | 第56-57页 |
| 参考文献 | 第57-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第66页 |