基于表情识别与分类的市场预测的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 表情识别概述 | 第11-15页 |
| 1.2.1 表情识别问题描述 | 第11-12页 |
| 1.2.2 表情识别的研究现状 | 第12-14页 |
| 1.2.3 人脸表情数据库 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 2 表情识别相关技术 | 第16-24页 |
| 2.1 AdaBoost算法 | 第16-18页 |
| 2.2 Gabor小波 | 第18-19页 |
| 2.3 SVM理论基础 | 第19-24页 |
| 2.3.1 统计学习理论 | 第19-20页 |
| 2.3.2 线性与非线性SVM | 第20-24页 |
| 3 基于表情识别的市场预测架构设计 | 第24-49页 |
| 3.1 市场预测系统的总体设计 | 第24-25页 |
| 3.2 表情识别的预处理 | 第25-36页 |
| 3.2.1 表情识别的灰度化 | 第25-26页 |
| 3.2.2 人脸检测与人眼定位 | 第26-30页 |
| 3.2.3 表情识别的几何处理 | 第30-35页 |
| 3.2.4 表情识别的灰度均衡 | 第35-36页 |
| 3.3 表情识别的特征提取 | 第36-39页 |
| 3.4 表情识别的识别分类 | 第39-47页 |
| 3.4.1 多分类的解决方法 | 第39-44页 |
| 3.4.2 分类方法的实现 | 第44-45页 |
| 3.4.3 识别分类的实现 | 第45-47页 |
| 3.5 基于表情识别的市场预测 | 第47-49页 |
| 4 市场预测系统设计实现 | 第49-55页 |
| 4.1 系统设计技术应用 | 第49-52页 |
| 4.1.1 市场预测系统图形化界面 | 第49-51页 |
| 4.1.2 表情识别核心算法实现 | 第51-52页 |
| 4.2 系统的组成与设计 | 第52-53页 |
| 4.3 系统的实现 | 第53-55页 |
| 5 实验结果与分析 | 第55-62页 |
| 5.1 市场预测系统运行结果 | 第55-59页 |
| 5.2 市场预测系统结果分析 | 第59-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
