為了讓計(jì)算機(jī)具有理解、識(shí)別、讀懂和表達(dá)人類情感的能力,情感計(jì)算技術(shù)開始被深入研究,使得人類與計(jì)算機(jī)可以實(shí)現(xiàn)相互理解、高效互動(dòng)�？墒侨祟愂且粋�(gè)復(fù)雜的群體,人類表達(dá)情感有著多種載體,包括表情、語(yǔ)音、生理信號(hào)、身體姿態(tài)等等,通過(guò)對(duì)多種模態(tài)的情感識(shí)別研究,可以幫助計(jì)算機(jī)更好地理解人類,創(chuàng)建更輕松的人機(jī)交互環(huán)境。本文從建立多模態(tài)老年人情感數(shù)據(jù)庫(kù)、語(yǔ)音情感特征的提取和識(shí)別以及人臉表情特征的提取和情感識(shí)別等方面展開研究。其主要研究工作及成果總結(jié)如下:1.從情感研究的現(xiàn)狀中,可以發(fā)現(xiàn)以老年人為對(duì)象的情感研究還不夠充分,同時(shí)國(guó)內(nèi)外研究者們建立的情感數(shù)據(jù)庫(kù)中,情感表達(dá)對(duì)象幾乎是年輕人,而且模態(tài)單一。針對(duì)這個(gè)問(wèn)題,本文在名為《空巢姥爺》的電視連續(xù)劇上構(gòu)建了視頻情感數(shù)據(jù)庫(kù)、語(yǔ)音情感語(yǔ)料庫(kù)和人臉表情圖像庫(kù),并闡述了多模態(tài)情感庫(kù)的構(gòu)建方法和過(guò)程。實(shí)驗(yàn)結(jié)果表明,構(gòu)建多模態(tài)老人情感數(shù)據(jù)庫(kù)是合理的和有效的。2.在自建的多模態(tài)情感數(shù)據(jù)庫(kù)的基礎(chǔ)上,采用自編碼神經(jīng)網(wǎng)絡(luò)進(jìn)行特征降維,并選擇支持向量機(jī)作為分類器,進(jìn)行語(yǔ)音情感識(shí)別研究。本文分別提取傅里葉系數(shù)特征（Fourier parameter,FP）、動(dòng)態(tài)特征（一階差分和二階... 

【文章來(lái)源】：安徽建筑大學(xué)安徽省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

空巢姥爺語(yǔ)料庫(kù)的情感分布

這樣后續(xù)程序再去處理分析降明顯提高了工作效率，并且運(yùn)行后的從宏觀意義上說(shuō)，特征降維就是要防有監(jiān)督信息，降維算法可以劃分為監(jiān)分分析)[48]、LPP(局部保留投影)[49]和而 LDA(線性判別分析)[51]和 MMC(文中，我們使用無(wú)監(jiān)督型降維方法—維，以更精煉的形式保存特征信息。構(gòu)出原始的特征，它們能有效地找出效的方式來(lái)表示樣本數(shù)據(jù)。eep Learning)思想的自編碼神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)盡可能來(lái)重構(gòu)輸入數(shù)據(jù)。

位論文 第三章 語(yǔ)音特別率結(jié)果和表 3-2 混淆矩陣中看到的那樣，它而言，分析認(rèn)為不平衡的數(shù)據(jù)分布會(huì)導(dǎo)致問(wèn)如表 3-3 所示。表 3-3 每種情感的樣本數(shù)量 1 2 3 4 5 6 123 103 17 32 80 100 能是 106，數(shù)據(jù)分布不均�？紤]到相對(duì)較小的充分的理由相信它是最終擾亂實(shí)驗(yàn)結(jié)果的主用方法是采樣，包括過(guò)采樣，欠采樣，過(guò)采樣。圖 3-2 顯示了采樣后的數(shù)據(jù)重新分配。

【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏自動(dòng)編碼器的深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)[J]. 張光建.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(35)
[2]一種基于小波包主成分分析的語(yǔ)音情感識(shí)別方法[J]. 朱宗寶,王坤俠,肖玲玲,劉文靜.  安徽建筑大學(xué)學(xué)報(bào). 2017(05)
[3]中國(guó)人口老齡化形勢(shì)與養(yǎng)老服務(wù)的發(fā)展[J]. 杜鵬.  人口與計(jì)劃生育. 2015(07)
[4]深度學(xué)習(xí)理論及其在語(yǔ)音識(shí)別領(lǐng)域的應(yīng)用[J]. 楊俊安,王一,劉輝,李晉徽,陸俊.  通信對(duì)抗. 2014(03)
[5]基于表情和語(yǔ)音的多模態(tài)情感識(shí)別研究[J]. 王蓓,王曉蘭.  信息化研究. 2014(01)
[6]一種新的基于MMC和LSE的監(jiān)督流形學(xué)習(xí)算法[J]. 袁暋,程雷,朱然剛,雷迎科.  自動(dòng)化學(xué)報(bào). 2013(12)
[7]語(yǔ)音情感識(shí)別研究進(jìn)展綜述[J]. 韓文靜,李海峰,阮華斌,馬琳.  軟件學(xué)報(bào). 2014(01)
[8]表情和姿態(tài)的雙模態(tài)情感識(shí)別[J]. 閆靜杰,鄭文明,辛明海,邱偉.  中國(guó)圖象圖形學(xué)報(bào). 2013(09)
[9]基于改進(jìn)的快速稀疏編碼的圖像特征提取[J]. 尚麗,蘇品剛,周燕.  計(jì)算機(jī)應(yīng)用. 2013(03)
[10]人類情緒的外周自主反應(yīng)與中樞神經(jīng)機(jī)制的整合——情緒信息加工腦功能網(wǎng)絡(luò)模型的初步構(gòu)想[J]. 蔡厚德.  南京師大學(xué)報(bào)(社會(huì)科學(xué)版). 2012(04)

博士論文
[1]語(yǔ)音情感識(shí)別方法研究[D]. 王坤俠.合肥工業(yè)大學(xué) 2015
[2]基于語(yǔ)音和人臉的情感識(shí)別研究[D]. 張石清.電子科技大學(xué) 2012
[3]情感計(jì)算關(guān)鍵技術(shù)研究[D]. 于冬梅.東華大學(xué) 2009
[4]決策神經(jīng)網(wǎng)絡(luò)模型及應(yīng)用研究[D]. 南晉華.華中科技大學(xué) 2008
[5]人臉表情識(shí)別中若干關(guān)鍵技術(shù)的研究[D]. 何良華.東南大學(xué) 2005

碩士論文
[1]基于PAD三維情感模型的情感語(yǔ)音研究[D]. 張婷.太原理工大學(xué) 2018
[2]基于語(yǔ)音和面部表情融合的情緒識(shí)別算法研究及其實(shí)現(xiàn)[D]. 王喆.北方工業(yè)大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究[D]. 張榮磊.山東理工大學(xué) 2017
[4]基于深度學(xué)習(xí)的手寫數(shù)字集特征提取算法[D]. 任沙.湖南師范大學(xué) 2016
[5]基于深度學(xué)習(xí)的圖像目標(biāo)定位識(shí)別研究[D]. 程欣.電子科技大學(xué) 2016
[6]基于自編碼神經(jīng)網(wǎng)絡(luò)文本特征選擇的研究[D]. 李時(shí)峰.天津科技大學(xué) 2016
[7]基于語(yǔ)音信息的多特征情緒識(shí)別算法研究[D]. 丁倩.山東大學(xué) 2015
[8]基于條件神經(jīng)域的語(yǔ)音情感識(shí)別研究[D]. 李瓊.天津師范大學(xué) 2014
[9]基于PCA與LDA的表情識(shí)別算法研究[D]. 趙春偉.西安電子科技大學(xué) 2014
[10]人臉面部表情的情感識(shí)別研究[D]. 陳鑫.天津大學(xué) 2014



本文編號(hào)：3004860