基于DBN的多模态音乐情感分类研究

文中提出了一种将音频与歌词两种模态结合并利用深度置信网络进行音乐情感分类的方法。在分类器的选择上,将传统的分类器用DBN进行了替换,且改进了子任务结合晚融合法(LFSM)来完成多模态的融合,并验证了该方法的可行性。实验结果表明,该方法对音乐情感分类效果较好,高于基于单一模态和传统分类器的分类方法。     

智能终端的最简情感表达

为了使用低自由度水平的执行器构建引起用户特定情绪感受的表达性模式,提出智能终端产品的最简情感表达方法,首先在统一的效价-唤醒度情感模型下对灯光、音乐、运动和振动4种低自由度执行器的情感表达能力进行分析;然后通过实验得出各执行器在不同的参数条件下可以表达的情感范围,以及执行器自由度水平的取值与用户所感受到的情感愉悦度、唤醒度的相关关系.在实验结果的基础上,设计与开发了一款最简情感表达设计辅助工具,用于辅助设计师在智能终端产品的设计研发过程中对产品的情感表达能力进行快速原型搭建.     

深层网络特征聚合重标定的中国画情感分类算法

情景交融是中国画重要的艺术表现形式,分析并可视化其情感对帮助用户鉴赏和管理国画有重要意义.为此,提出深层网络特征聚合重标定的中国画情感分类算法.(1)依据中国画自身特点优化卷积神经网络,强化对情感贡献大的特征激活.首先,基于接缝裁剪技术重定向国画,在避免变形的同时保留画作笔墨信息;其次,构建多层聚合特征重标定网络模块,聚合模块内卷积层信息,重标定特征响应.(2)提出多类别加权激活定位的类判别映射技术,分别计算各类别相对于卷积层的梯度获得激活定位,并将其加权聚合以突出显示CNN检测到的情感区域,实现中国画情感元素可视化.在1 000幅中国画情感数据集上获得85.8%的准确率,相比其他算法,该算法有更高的分类准确度,能够准确定位中国画情感描绘区域.     

基于Agent的情感映射的劝说模型及系统

基于Agent的情感劝说处于商务智能前沿研究领域,针对其中对Agent的情感劝说等动态变化因素研究不够的现状,首先利用情感理论中典型的OCEAN-PAD-OCC层次映射模型,建立了Agent的性格、心情和情绪与情感的转换矩阵及相应的映射关系,构建了基于Agent的情感映射模型;其次,对Ekman情感分类进行改进,提出了新的Agent情感分类和基于Agent的情感映射的劝说产生模型,并对Agent的劝说策略、主导情感和情感阈值进行定义,提出了劝说策略模型;再次,根据情感强度第三定律,对Agent的情感强度进行了定义,研究得出其关键影响因素为劝说策略和情感衰减,在对后者定义的基础上,利用马尔可夫无后效应,适用于随机过程的优势,提出了相应的评价模型,并通过对让步步长算法的构建,提出了相应的让步模型;最后,综合以上模型,构建了相应的框架流程图,并以煤炭行业供应链管理中采购商和销售商的自动谈判为例,通过算例和系统实现验证了以上研究的合理性和有效性,得出了相应的管理启示。