情緒是當今每個人在生活中不可忽視的一部分,所以人們的情緒狀態(tài)的識別非常重要。針對情緒識別問題,傳統(tǒng)的方法主要是對人們的外在行為指標或人們的生理信號進行個體情緒識別研究。但是這些信號的收集過程比較困難,需要志愿者的高度配合或是需要高成本的可穿戴設備進行數據收集。在目前人工智能發(fā)展盛況空前的背景下,本文基于神經網絡提出了多種對鼠標運動軌跡的情緒識別的方法。對人們在使用計算機時的情緒狀態(tài)進行識別,具有一定的商業(yè)價值。對于互聯(lián)網企業(yè)而言,可以提供令客戶更加滿意的服務。本文具體研究內容及結果如下:1.在建立數據庫時,本文采用的是征集志愿者人為收集的方法。收集到的數據先經Excel軟件應用VBA程序做批量處理,之后送入matlab軟件中做矩陣變換處理。最后生成規(guī)范統(tǒng)一的數據集。2.在構建BP神經網絡模型時,本文創(chuàng)新性地采用了積分變換和統(tǒng)計分析兩種特征提取方法。經過訓練和測試之后統(tǒng)計不同狀態(tài)下的情緒識別正確率,實驗結果表明:對于不同個體的情況,兩種方法的結果互有高低,且都有不錯的效果。但是在某些極端的情況下,對于個體操作鼠標習慣差異較大時,其結果就顯得不盡人意了。這也是后續(xù)研究中所需要解決的一大問題... 

【文章來源】：江西財經大學江西省

【文章頁數】：70 頁

【學位級別】：碩士

【部分圖文】：

生物神經元和人工神經元

圖 2-3 Sigmoid 函數曲線d 函數還有非常簡潔的導函數，如式 2.2。1 d 函數接收一個實數值，將其映射到 0 到 1 的范圍內。Sigm經網絡中很受歡迎，部分原因是它很容易微分，從而降低了訓

tanh 函數曲線

【參考文獻】：
期刊論文
[1]基于深度殘差網絡的手寫體數字識別[J]. 趙朋成,馮玉田,羅濤,雷安琪.  工業(yè)控制計算機. 2017(10)
[2]面向可穿戴多模生物信息傳感網絡的棧式自編碼器優(yōu)化情緒識別[J]. 戴逸翔,王雪,戴鵬,張蔚航,張鵬博.  計算機學報. 2017(08)
[3]雙向循環(huán)網絡中文分詞模型[J]. 胡婕,張俊馳.  小型微型計算機系統(tǒng). 2017(03)
[4]卷積神經網絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[5]圖像理解中的卷積神經網絡[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學報. 2016(09)
[6]基于生理大數據的情緒識別研究進展[J]. 趙國朕,宋金晶,葛燕,劉永進,姚林,文濤.  計算機研究與發(fā)展. 2016(01)
[7]卷積神經網絡分類模型在模式識別中的新進展[J]. 胡正平,陳俊嶺,王蒙,趙淑歡.  燕山大學學報. 2015(04)
[8]基于改進Fisher準則的深度卷積神經網絡識別算法[J]. 孫艷豐,齊光磊,胡永利,趙璐.  北京工業(yè)大學學報. 2015(06)
[9]中文微博的情緒識別與分類研究[J]. 何躍,鄧唯茹,張丹.  情報雜志. 2014(02)
[10]基于腦電的情緒識別研究綜述[J]. 聶聃,王曉韡,段若男,呂寶糧.  中國生物醫(yī)學工程學報. 2012(04)



本文編號：3551478