| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 情感状态描述模型 | 第12页 |
| 1.2.2 表情识别方法研究现状 | 第12-13页 |
| 1.2.3 语音情感识别方法研究现状 | 第13-14页 |
| 1.2.4 多模态情感识别方法研究现状 | 第14-15页 |
| 1.3 视觉语音多模态情感识别的主要挑战 | 第15-16页 |
| 1.3.1 表情识别主要挑战 | 第15页 |
| 1.3.2 语音情感识别主要挑战 | 第15-16页 |
| 1.3.3 多模态情感识别主要挑战 | 第16页 |
| 1.4 本文的研究内容和主要工作 | 第16-17页 |
| 1.5 论文的组织结构 | 第17-19页 |
| 第二章 视觉语音的多模态情感识别相关技术 | 第19-29页 |
| 2.1 视觉语音的多模态情感识别方法 | 第19-22页 |
| 2.1.1 视觉语音多模态情感识别过程简介 | 第19-20页 |
| 2.1.2 表情特征提取方法 | 第20页 |
| 2.1.3 语音情感特征提取方法 | 第20-21页 |
| 2.1.4 视觉语音多模态共享情感特征学习方法 | 第21-22页 |
| 2.2 自动编码器 | 第22-25页 |
| 2.3 迁移学习 | 第25-28页 |
| 2.3.1 传统迁移学习 | 第25-27页 |
| 2.3.2 多模态的迁移学习 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于局部稀疏可鉴别典型相关分析的多模态共享情感特征学习方法 | 第29-37页 |
| 3.1 视觉语音多模态共享情感特征学习方法 | 第29-32页 |
| 3.1.1 单模态高层情感特征学习 | 第30页 |
| 3.1.2 多模态共享情感特征学习 | 第30-32页 |
| 3.1.3 SVM分类器训练 | 第32页 |
| 3.2 实验设计与分析 | 第32-36页 |
| 3.2.1 数据库和数据预处理 | 第32-33页 |
| 3.2.2 实验设置 | 第33页 |
| 3.2.3 参数选择 | 第33-34页 |
| 3.2.4 实验结果与分析 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于视觉语音的多模态迁移情感特征学习方法 | 第37-46页 |
| 4.1 基于视觉语音的多模态迁移情感特征学习方法 | 第37-41页 |
| 4.1.1 单模态高层情感特征学习 | 第38-39页 |
| 4.1.2 情感特征迁移学习 | 第39-40页 |
| 4.1.3 多模态共享情感特征学习 | 第40-41页 |
| 4.1.4 SVM分类器训练 | 第41页 |
| 4.2 实验设计与分析 | 第41-45页 |
| 4.2.1 数据库和实验设置 | 第41页 |
| 4.2.2 参数选择 | 第41-42页 |
| 4.2.3 实验结果与分析 | 第42-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 原型系统的设计与实现 | 第46-55页 |
| 5.1 系统开发环境 | 第46页 |
| 5.2 相关设计过程 | 第46-48页 |
| 5.3 系统功能模块 | 第48-54页 |
| 5.3.1 系统软件实现 | 第48-49页 |
| 5.3.2 系统运行界面展示 | 第49-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63页 |