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

基于加权融合策略的情感识别建模方法研究

摘要第5-7页
ABSTRACT第7-9页
第一章 绪论第14-24页
    1.1 课题背景和研究意义第14-16页
    1.2 相关工作第16-21页
        1.2.1 概述第16-17页
        1.2.2 情感模型第17-18页
        1.2.3 基于面部图像的多特征提取第18页
        1.2.4 基于面部图像的表情识别第18-19页
        1.2.5 基于多种生理信号的情感识别第19-20页
        1.2.6 基于多模态信息的情感识别第20-21页
    1.3 本文的主要研究内容第21-24页
第二章 基于面部图像特征级融合的表情识别第24-42页
    2.1 引言第24页
    2.2 面部表情图像的几何特征第24-26页
    2.3 面部表情图像的深度特征第26-30页
        2.3.1 卷积神经网络第26-29页
        2.3.2 深度特征提取框架第29-30页
    2.4 基于特征级融合的表情识别模型第30-33页
        2.4.1 特征级融合第30-31页
        2.4.2 基于支持向量机的多表情分类器第31-32页
        2.4.3 表情识别模型第32-33页
        2.4.4 表情识别模型的训练与测试第33页
    2.5 实验与分析第33-41页
        2.5.1 实验平台第33-34页
        2.5.2 实验数据第34-37页
        2.5.3 基于几何特征的表情识别第37页
        2.5.4 基于深度特征的表情识别第37-38页
        2.5.5 基于多特征的表情识别第38-39页
        2.5.6 实验结果分析第39-41页
    2.6 本章小结第41-42页
第三章 基于面部图像模型级融合的表情识别第42-58页
    3.1 引言第42页
    3.2 面部图像的表情特征分组第42-44页
        3.2.1 面部结构分区第42-43页
        3.2.2 表情特征分组第43-44页
    3.3 权重确定方法第44-45页
    3.4 特征加权支持向量机第45-50页
        3.4.1 线性特征加权支持向量机第46-47页
        3.4.2 非线性特征加权支持向量机第47-50页
    3.5 基于加权核函数的表情识别模型第50-51页
    3.6 实验与分析第51-56页
        3.6.1 实验平台第51页
        3.6.2 实验数据第51-52页
        3.6.3 基于眉毛区域的表情识别第52页
        3.6.4 基于眼睛区域的表情识别第52-53页
        3.6.5 基于鼻子区域的表情识别第53-54页
        3.6.6 基于嘴部区域的表情识别第54页
        3.6.7 基于两种核函数的表情识别第54-56页
    3.7 本章小结第56-58页
第四章 基于多种生理信号决策级融合的情感识别第58-93页
    4.1 引言第58页
    4.2 生理信号归一化处理第58-59页
    4.3 生理信号特征分析第59-62页
        4.3.1 时域分析第59-61页
        4.3.2 频域分析第61-62页
    4.4 脑电信号特征提取第62-67页
        4.4.1 脑电信号的预处理第62-66页
        4.4.2 脑电信号的特征提取与选择第66-67页
    4.5 心电信号特征提取第67-72页
        4.5.1 心电信号的预处理第67-72页
        4.5.2 心电信号的特征提取与选择第72页
    4.6 呼吸信号特征提取第72-77页
        4.6.1 呼吸信号的预处理第73-76页
        4.6.2 呼吸信号的特征提取与选择第76-77页
    4.7 皮肤电信号特征提取第77-80页
        4.7.1 皮肤电信号的预处理第77-79页
        4.7.2 皮肤电信号的特征提取与选择第79-80页
    4.8 基于决策级加权融合的情感识别模型第80-83页
        4.8.1 权重确定方法第80-81页
        4.8.2 决策级加权融合第81-82页
        4.8.3 情感识别模型第82-83页
    4.9 实验与分析第83-91页
        4.9.1 实验平台第83-84页
        4.9.2 实验数据第84-86页
        4.9.3 基于脑电信号的情感识别第86页
        4.9.4 基于心电信号的情感识别第86-87页
        4.9.5 基于呼吸信号的情感识别第87页
        4.9.6 基于皮肤电信号的情感识别第87-88页
        4.9.7 基于两种权重矩阵的情感识别第88-90页
        4.9.8 实验结果分析第90-91页
    4.10 本章小结第91-93页
第五章 基于多模态信息特征级和决策级融合的情感识别第93-110页
    5.1 引言第93页
    5.2 视觉信号与情感相关背景知识第93-97页
        5.2.1 视觉信号的概念第93-94页
        5.2.2 视觉信号的特征提取第94-97页
    5.3 基于双级别融合的情感识别模型第97-101页
        5.3.1 特征级融合第97页
        5.3.2 权重确定方法第97-98页
        5.3.3 决策级加权融合第98-100页
        5.3.4 情感识别模型第100-101页
    5.4 实验与分析第101-108页
        5.4.1 实验平台第101页
        5.4.2 实验数据第101-102页
        5.4.3 基于视觉信号与脑电信号的情感识别第102-103页
        5.4.4 基于视觉信号与心电信号的情感识别第103-104页
        5.4.5 基于视觉信号与呼吸信号的情感识别第104-105页
        5.4.6 基于视觉信号与皮肤电信号的情感识别第105-106页
        5.4.7 基于多模态信号决策级加权的情感识别第106-107页
        5.4.8 实验结果与分析第107-108页
    5.5 本章小结第108-110页
第六章 总结与展望第110-113页
参考文献第113-127页
致谢第127-128页
攻读学位期间发表的学术论文目录第128-129页

论文共129页,点击 下载论文
上一篇:基于神经网络的文本特征表示关键技术研究
下一篇:基于咔唑-芳香酮的热活化延迟荧光及室温磷光材料的性质研究