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

基于卷积神经网络的多领域图像情感分析

摘要第8-10页
ABSTRACT第10-11页
第1章 绪论第12-18页
    1.1 课题研究背景及意义第12-15页
    1.2 本文工作第15-16页
    1.3 本文组织结构第16-18页
第2章 相关工作第18-24页
    2.1 文本分类相关研究第18-19页
    2.2 图像情感分析相关研究第19-20页
    2.3 多模态数据情感分析相关研究第20-22页
    2.4 本章小结第22-24页
第3章 通用图像情感分析模型设计第24-36页
    3.1 问题定义第24页
    3.2 模型概述第24-26页
    3.3 GMCIS方法详细设计第26-33页
        3.3.1 文本主题分类器第26-31页
        3.3.2 图像情感分类器第31-32页
        3.3.3 加权训练第32-33页
    3.4 本章小结第33-36页
第4章 实验及分析第36-46页
    4.1 数据集第36-37页
    4.2 实验评价指标第37-39页
        4.2.1 混淆矩阵第38页
        4.2.2 准确率第38-39页
        4.2.3 召回率第39页
        4.2.4 精准率第39页
        4.2.5 F1值第39页
    4.3 基准方法第39-40页
    4.4 实验结果分析第40-44页
        4.4.1 训练步数I对实验结果的影响第41-43页
        4.4.2 基于领域的特征词典大小K对实验结果的影响第43-44页
    4.5 本章小结第44-46页
第5章 总结与展望第46-49页
    5.1 总结第46-47页
    5.2 展望第47-49页
参考文献第49-54页
致谢第54-55页
攻读学位期间发表的学术论文第55-56页
攻读学位期间参加科研情况第56-57页
学位论文评阅及答辩情况表第57页

论文共57页,点击 下载论文
上一篇:基于深度神经网络的视觉位姿估计方法研究
下一篇:针对家庭服务机器人的三维运动仿真平台构建