微制造数控系统的实时有限状态机建模研究

为提高传统有限状态机（FSM）分析微制造数控系统（NCS）实时性特征的能力，提出了一种实时有限状态机（RTFSM）模型.该模型对传统FSM概念进行扩展，通过增加时间属性来描述状态行为的执行时间以及状态间切换所需的时间耗费.考虑到对复杂NCS控制流程进行设计、分析计算量较大，引入图论中的时间约束网络理论，采用经过修正的Floyd算法对模型中各个状态行为开始和结束时间的取值范围进行分析计算，从而实现控制流程的可调度性判定.实例研究表明，实时有限状态机可有效地建立微制造NCS控制流程模型，并降低对控制流程进行可调度性分析的复杂度，适用于NCS实时性研究.     

多输入变量的FSM设计方法研究

针对多输入变量的FSM设计中存在的一些问题，提出了一种基于ASM的多输入变量FSM的设计方法，该设计方法逻辑层次清晰，具有可操作性，并且通过一个数据采集系统控制器的设计具体介绍了该设计方法。     

基于扩展有限状态机建模方法的188-220C协议仿真模型实现

MIL-STD188-220C是军用分组无线电C4I系统之间的互操作标准,结合协议工程的思想,提出了基于扩展有限状态机描述建立仿真模型的一种建模方法,并在此方法的基础上,建立了220C协议的仿真模型。该模型的层次结构、外部接口和内部状态转移与协议标准一致,既能满足数字化战场战术指挥控制系统综合仿真的需要,又能在此基础上实现协议的进一步研究与改进。     

有限状态机的建模与优化设计

通常的Verilog HDL编码风格生成的电路速度慢、面积大、毛刺干扰严重．基于此特点提出一种优秀、高效的verilog HDL描述方式来进行有限状态机设计，介绍了有限状态机的建模原则，并通过一个可综合的实例，验证了该方法设计的有限状态机在面积和功耗上的优势．     

基于扩展有限状态机的类测试用例生成方法

为了实现软件测试用例的自动生成,提高软件开发效率和软件质量,利用扩展的有限状态机模型(EF-SM)和数据流分析方法,对类、类的消息传递和类状态变化进行了分析和研究,提出了一种基于扩展有限状态机模型的类测试用例集的生成算法.此算法能自动生成满足All_use路径覆盖标准的测试用例集,并能保证测试用例的路径长度最短.     

虚拟现实建模方法研究

依据虚拟场景建模的要求，针对场景建模的设计与开发，比较了各个建模方法与工具，并对MAYA的MEL语言进行了描述与分析．     

有限状态机的建模与优化设计

通常的Verilog HDL编码风格生成的电路速度慢、面积大、毛刺干扰严重.基于此特点提出一种优秀、高效的Verilog HDL描述方式来进行有限状态机设计,介绍了有限状态机的建模原则,并通过一个可综合的实例,验证了该方法设计的有限状态机在面积和功耗上的优势.     

面向全迁移的小规模EFSM测试序列集生成方法

针对在扩展有限状态机（extended finite state machine, EFSM）模型上测试序列集生成效率低、规模大等问题,提出了一种面向全迁移的小规模测试序列集生成方法。该方法基于改进的自适应多种群遗传算法（improved adaptive multi-population genetic algorithm, IAMGA）。首先,利用迁移覆盖增益设计适应度函数,使每次生成的可行迁移路径均能产生迁移覆盖增益;然后,根据个体的可行迁移划分子种群,并在子种群内使用轮盘赌算法进行选择,克服了“早熟”问题,提高了全迁移覆盖的成功率;再利用种群的平均路径通过率自适应地调整交叉和变异概率,加快了收敛速度;最后,通过倒序遍历测试序列集去除冗余序列,进一步压缩了测试序列集规模。实验结果表明,与面向单迁移的测试序列生成方法相比,本文所提出的测试序列生成方法面向全迁移,仅一次就能以90%以上的成功率生成满足全迁移覆盖的测试序列集;与传统的遗传算法相比,IAMGA算法生成的测试序列集的平均规模减少了50%,平均迭代次数也减少了20%。本文提出的测试序列集生成方法可有效提高EFSM测试序列集生成的效率和质量。     

语音情感信息可视化建模研究与探析

语音情感识别是情感计算领域的一个重要分支,研究者们尝试从多种角度对其展开不懈研究。本文从可视化的角度出发,提出了基于信息可视化的情感识别方法,原始语音情感特征经过图表示映射为包含内部数据结构信息的新型情感图特征,在一定程度上促进了语音情感识别系统的性能提高。另外,还将信息可视化技术应用到情感识别结果的表达上,实现情感信息的生动描述和高效表达。在信息可视化技术和语音情感识别研究充分融合的基础上,构建了一个完整的语音情感信息可视化模型,作为系统实现的基础。     

一个基于抽象类层次和扩展CSG结构的图形建模方法

介绍了一个基于抽旬类层次和扩展ＣＳＧ结构的面向对象图形建模方法。首先讨论了利用面向对象技术建模的特点,然后从两个抽象类层次描述了建模系统的结构,在分析传统的褓一造型技术ＣＳＧ方法基础上,提出了适合于面向对象图形建模扩展ＣＳＧ结构的概念及其应用。     

基于GMM的增量式情感映射

为有效地获得用户的真实情感状态,促进和谐的人机交互体验.结合AVS情感空间和大五人格理论,提出一种基于高斯混合模型的增量式情感映射模型.首先,在AVS情感空间的3种属性(A,V,S)坐标轴上,利用高斯混合模型对情感类型进行依次建模,计算情感概率值及其空间分布;其次,针对用户的个体差异性,采用层次分析法研究人格五因素与情感属性之间的关联,获得用户的个性化认知参数,实现具有个性化认知的情感映射结果;之后,采用增量式学习方法对情感类型的分布空间进行实时修正,保证情感分类的高准确率.最后,实验结果验证了该方法的情感映射结果与用户的真实情感状态具有高度一致性,并有较好的自适应性.     

涉及情感与语义的多特征图像检索

借助用户情感模型、因子分析、情感计算等方法,收集和分析用户评价图像的情感数据,建立情感空间.对图像数据库的图片,采用图像的多种底层特征提取的方法来增强对图像感性特征的过滤和约束.基于SVM的情感注释建立图像的低层特征空间到用户的高层情感空间的联系,记忆用户的情感,自动注释用户未曾评价过的图像,实现了与图像的情感语义相关的多特征检索系统.实验表明,涉及情感的多特征图像检索结果,其图像的内容特征与用户情感检索意图在很大程度上是匹配的,避免了单一特征不顾及用户情感的图像检索无法过滤不期望的结果出现的缺点.     

PAD情感空间内人工情感建模及人机交互实验

针对未来仿人机器人与人类长期共存将会带来的机器人对人的心理影响以及个性化匹配问题,在PAD(Pleasure、Arousal、Dominance)三维情感空间内,建立一种更具普遍性的人工情感计算模型.人工情感模型总体框架分为外部事件检测及处理、情绪响应向量生成及修正和情绪离散化三部分.提出一种有效的外界刺激三维标注方法;建立可对外界刺激进行自主情绪响应的情感计算模型,并将性格和心情模型引入其中,实现个性化的情绪响应;提出一种情绪响应向量离散化方法,并在具体情绪种类的基础上建立情绪强度计算式;根据情感模型所产生的情绪种类及强度,建立机器人的表情合成及语音回答模型,在HF robot-III型仿人头像机器人平台上进行人-机器人情感交互实验.语音对话和表情状态迁移实验结果表明:所建立的人工情感模型可针对外界刺激自主地产生个性化情绪响应,有效模拟人类情绪的变化过程.     

Novel acoustic features for speech emotion recognition

This paper focuses on acoustic features that effectively improve the recognition of emotion in human speech. The novel features in this paper are based on spectral-based entropy parameters such as fast Fourier transform (FFT) spectral entropy, delta FFT spectral entropy, Mel-frequency filter bank (MFB) spectral entropy, and Delta MFB spectral entropy. Spectral-based entropy features are simple. They reflect frequency characteristic and changing characteristic in frequency of speech. We implement an emotion rejection module using the probability distribution of recognized-scores and rejected-scores. This reduces the false recognition rate to improve overall performance. Recognized-scores and rejected-scores refer to probabilities of recognized and rejected emotion recognition results, respectively. These scores are first obtained from a pattern recognition procedure. The pattern recognition phase uses the Gaussian mixture model (GMM). We classify the four emotional states as anger, sadness, happiness and neutrality. The proposed method is evaluated using 45 sentences in each emotion for 30 subjects, 15 males and 15 females. Experimental results show that the proposed method is superior to the existing emotion recognition methods based on GMM using energy, Zero Crossing Rate (ZCR), linear prediction coefficient (LPC), and pitch parameters. We demonstrate the effectiveness of the proposed approach. One of the proposed features, combined MFB and delta MFB spectral entropy improves performance approximately 10% compared to the existing feature parameters for speech emotion recognition methods. We demonstrate a 4% performance improvement in the applied emotion rejection with low confidence score. Supported by MIC, Korea under ITRC IITA-2009-(C1090-0902-0046) and the Korea Science and Engineering Foundation (KOSEF) funded by the Korea government (MEST) (Grant No. 20090058909)     

基于PAD的男T恤4种情感关系模型研究

基于服装在整个生命周期具有的4种情感,利用中文简化版PAD情感模型,以男T恤为例对服装4种情感之间的关系进行了研究,通过情感测试和数据分析,建立了这4种情感之间的PAD关系模型;数据分析预测表明效果良好.     

面向非特定人的语音情感识别特征研究

在模式识别中,对于一些常用的特征选择算法存在理论性不强、随机性高、计算量大的缺点,提出了一种基于主成分分析（PCA）的特征选择方法。对训练数据进行PCA变换;以识别率为准则,考察不同的累积方差贡献率对识别精度的影响;根据识别率的最高点选择相应的变换矩阵进行分析;利用变换矩阵分析出各种原始特征的变换权重,根据权重的大小选择出重要的特征。实验结果表明,选择出的特征子集对不同分类器具备稳定性,并且对识别率具有较高贡献。     

普通话语音情感识别的特征选择技术

谢波，陈岭，陈根才，陈纯针对情感声学特征在语音情感识别中的重要性问题，运用优先选择、序列前向、序列后向和逐步判别分析进行了特征选择.对说话人和文本均无关、说话人相关2组普通话情感语音进行特征选择，然后利用线性判别分析和支持向量机进行实际识别效果的分析比较.特征选择结果表明，基频、对数能量、语速和第一共振峰均值对普通话情感语音具有较强的判别能力，但情感声学特征的判别力随着说话人的不同而有所差异.特征选择方法比较实验表明，逐步判别分析比其他3种方法具有更高的平均准确率，当特征个数为9~12时分类器的平均准确率最高.效用分析表明，特征选择在小样本时更加有效.     

浅谈情感在空间设计中的表现手法

“情感”二字被越来越多的用于表达建筑及其空间,说明随着社会的进步,时代的发展,人们更多的需求是自己所生存空间的舒适程度,这种舒适程度不仅要求设计师在设计过程中要考虑最基本的设计因素,更多的是要考虑人们的情感因素,考虑人们的心理接受,其设计准则必须满足空间和观感两大方面,以满足人的发展的需要。     

基于UCR训练集重构的真实语音情感识别

真实语音情感识别是使人机交互更加友好的重要手段,但是训练数据稀缺为这一领域带来很多挑战。为了减小这一阻碍,提出了语句串接与重采样(UCR)方法,以便高效利用存在的训练数据。UCR方法是将原始音频样本按照情感类型进行串接,形成一个长的音频流,以一个固定粒度对其随机乱序,然后将其切割,并通过多次重采样操作来增加支持向量机(SVM)的训练样本数。实验基于一个从访谈节目中录制的真实语音情感库。实验结果表明,在统一背景模型-高斯混合模型-支持向量机(UBM—GMM—SVM)识别框架中这种训练集重构的方法错误率降低近33.10%。