人工情感研究综述*

对人工情感研究现状及其相关应用进行了较为详细的分析与综述,对研究难点及未来的发展趋势也进行了较为详细的分析。     

噪音环境下的语音识别研究

文章详细介绍了一些常用的去噪处理方法,也介绍了笔者在抗噪语音识别方面的研究工作,文章最后给出了很有潜力的一些抗噪识别方式。     

多模态情感识别研究进展*

情感识别研究热点正从单模态转移到多模态。针对多模态情感特征提取与融合的技术难点,本文列举了目前应用较广的多模态情感识别数据库,介绍了面部表情和语音情感这两个模态的特征提取技术,重点阐述了多模态情感融合识别技术,主要对多模态情感特征融合策略和融合方法进行了综述,对不同算法下的识别效果进行了对比。最后,对多模态情感识别研究中存在的问题进行了探讨,并对未来的研究方向进行了展望。     

基于情感计算的e-Learning系统建模

e-Learning也叫数字化学习,是通过因特网或其他数字化媒体进行学习与教学的活动。情感计算是指关于情感、情感产生以及影响情感的计算,试图创建一种能感知、识别和理解人的情感,并能针对人的情感做出智能、灵敏、友好反应的计算机系统。本文将 e-Learning系统和情感计算结合在一起,提出了一个基于情感计算的 e-Learning系统模型,旨在有效地解决 e-Learning系统中情感交流匮乏的问题。     

Does risk recognition affect workers’ hearing protection utilisation rate?

In industrial environments, it is very likely to find several workers sharing the same workplaces and being exposed to the same noise pressure levels, who have different perceptions of the risks they are exposed to. These different perceptions could lead to different workers’ attitudes and behaviours. The present study was carried out with a sample of 434 industrial workers exposed to noise pressure levels greater than the action level defined in Portuguese legislation (85 dB(A)). The study aims to analyse the role of individual risk recognitions in hearing protection devices’ (HPD) utilisation rates. A questionnaire was developed to assess workers’ risk perception of high-noise exposure and their utilisation of HPD. The multivariate data analysis of the several variables considered revealed that risk recognition in general and self-efficacy in particular, plays a significant role as a predictor of workers’ behaviour with respect to the use of HPD. Furthermore, these results do suggest that risk recognition should be considered as an essential issue in the design and implementation of any Hearing Conservation Program, in particular in what concerns workers’ training.

Relevance to industry

Results obtained do suggest that workers’ risk recognition could have an important impact on noise exposure protective behaviours and these could be used to design and conceive successful industrial Hearing Conservation Programs.     

基于ICA与GA的语音特征提取方法

为了提高噪声环境中的语音识别率,将独立成分分析（ICA）方法用于语音信号特征提取．并使用遗传算法（GA）将提取出来的高维特征进行选择,最后得到的语音特征被用于基于高斯混合模型的语音识别应用中,并与传统的Mel倒谱系数（MFcC）特征进行比较。实验结果表明基于ICA与GA的语言特征优于传统的MFCC特征。     

基于动物视频的跟踪算法评估与分析

目标跟踪是计算机视觉领域核心问题之一。近十年来目标跟踪技术取得较快发展,新理论、新方法、新工具层出不穷。基于中心距误差、成功率及最好结果三个度量标准,将当前视频跟踪中常用的八种目标跟踪算法应用于养殖场动物（例如奶牛）跟踪,并给出影响跟踪性能的详细分析。     

基于Kinect的肩周炎康复训练动作识别系统研究

实现对肩周炎患者进行康复训练的三维体感视频的虚拟指导。通过Kinect摄像头对人的骨骼信息和环境的深度信息进行跟踪分析,再通过欧氏距离判断人的动作,利用模板匹配定位的方法对人体关键部位进行识别,从而来判断人的姿势是否标准。通过人机交互来实现一个虚拟的肩周炎康复训练的指导。     

图形识别的神经网络方法

神经网络是当今人工智能的一个重要方面．本文对人工神经网络用于图形识别，尤其是在干扰环境下的识别能力进行了研究．通过对一组图形符号的训练识别，讨论了外加噪声与网络内部噪声对识别功能的影响，同时提出了一个ＢＰ网络训练的改进算法．     

Identification of faces obscured by noise: comparison of an artificial neural network with human observers

Face identification is easily accomplished by humans but is an exceptionally difficult task for machine vision algorithms. This report is the first to directly compare the face identification performance of humans with that of an artificialneural network,Dystal, using digitized images of the faces of eight individuals in an eight-alternative forced-response paradigm. The test images differed from the training images in facial expression, head tilt and rotation, amount and correlation of added noise, and the presence of a stocking mask in some of the images. The images were deliberately not preprocessed by a feature extraction algorithm to avoid confoundingthe performance of Dystal with the performance of the feature extraction algorithm.While human observers outperform Dystal at low noise levels, at high levels of correlated noise Dystal outperforms human observers, who score just above the chance level. The greater sensitivity to noise exhibited by human observers is attributed to the local feature extraction performed by human observers, but not by Dystal.     

基于子带信息的鲁棒语音特征提取框架

本文提出一种鲁棒语音特征提取框架。通过使用一种基于子带能量分布的噪声估计方法,无需静音段,就可以估计出带噪语音的子带噪声,同时提出结合谱减和谱加权方法对特征进行处理,最终生成具有较高鲁棒性的特征。实验证明,在语音识别系统中,这种特征可以有效提高语音识别的鲁棒性,在噪声较强(信噪比0dB到15dB)的情况下,识别率可以提高20%以上;并且,在干净语音的情况下又能保证识别率没有大的下降;同时,这种特征上的处理方法对各种噪声的适应能力都很强,无需对噪声进行预先分类即可得到很好的抗噪效果。     

基于隶属等级量化的社区学习者能力综合评价

以学习者为中心的学习评价标准从知识转向了能力.把虚拟学习社区作为E-learning 学习的平台,基于虚拟学习社区和E-learning学习的特点,结合个人学习能力、学习协作能力以及成绩考核来对社区学习者能力进行模糊综合评价,建立了社区学习者能力模糊综合评价模型,其评价结果是与评语集相对应的隶属度向量.为了解决评价结果模糊度较大的问题,充分利用了综合评判带来的信息,提出并建立了隶属度向量等级量化模型,并对评价结果作进一步量化,达到了进一步准确区分学习者能力的目的.     

复杂彩色背景下特定运动目标定位方法

目标识别与定位是数字图像处理技术中的十分关键的一部分。该文提出了针对在复杂的彩色背景下特定运动目标定位的快速有效方法。同时在实践基础上,针对图像处理中的特征向量的提取给出了一个操作性较强的方法。在解决了某个特定环境下实现目标识别和跟踪的同时,对其它相类似的情况下的数字图像处理也是有借鉴之用的。     

基于可分度和支持度的模糊密度赋值融合识别算法

模糊积分理论可有效处理分类决策不确定性问题。当前模糊密度的确定方法未考虑各个分类器识别结果的可区分程度及各分类器对识别结果的支持程度,会丢失融合识别的相关信息。文中提出基于可分度和支持度的自适应模糊密度赋值融合识别算法。该算法根据各分类器对待识别样本的识别结果的可区分程度和支持程度对分类器的融合模糊密度进行自适应赋值,从而有效实现多分类器融合识别。将该算法应用于自然交互环境下的人脸表情识别和Cohn-Kanade表情识别。实验结果表明,该算法能有效提高总体表情识别率。     

自动目标识别与跟踪技术研究综述

对复杂背景下扩展目标进行有效的识别和跟踪是一个具有挑战性的难题。对当前的目标自动识别系统( ATR) 所采用的算法进行了归类和叙述, 对目标识别问题中具有旋转、尺度、平移不变性的特征及目标跟踪算法进行了讨论, 最后对自动目标识别和跟踪进一步的研究方向进行了展望。     

KNN-均值算法

基于传统KNN的弱点．提出一种新的改进方法：在训练样本中取与待测样本最近邻的K个样本;把这K个样本按类划分取每类的平均样本;计算每个类的平均样本与待测样本的欧氏距离,并将样本归为距离最小的那一类。在南京理工大学NUST603HW手写体汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的试验结果表明,新方法较传统KNN的识别率有明显提高。     

基于内容的音频检索关键技术研究

音频是一种重要的媒体，包含丰富的听觉特征。本文根据当前音频检索研究的进展，综述基于内容的音频检索方法，讨论了一些音频检索技术研究中的关键技术：音频特征提取、音频分类、语音识别技术等。最后展望了音频检索技术的发展前景。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识别的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于模板匹配的手写数字决策分类器设计

针对手写数字识别提出一种基于模板匹配决策分类器设计方法。就该方法下的模式识别分类器设计进行详细论述,给出该分类器算法实现。该算法在对手写的数字图像进行预处理的基础上从待识剐的手写数字图像中提取若干特征量与事先建立的标准模板库中模板对应的特征量进行比较,计算待识别图像和标准模板特征量之间的距离,用最小距离法判定其所属类。实验结果表明,该决策分类器算法实现容易,匹配速度快,保证字符识别的正确率。     

基于Agent的人机情感交互系统研究

该文在软件Agent技术基础上,提出具有识别真实人情感,同时又能够表达虚拟人个性情感的Multi-AgentSystem体系结构。在系统的感知Agent中,采用隐马尔可夫(HMM)数学模型通过表情(视觉)和语言(声音)对六种基本情感状态进行识别。实验结果说明基于视觉和听觉的多模态识别算法能提高计算机对人的情感识别率。文章最后指出面向Agent技术实现人机情感交互系统的开发是一种行之有效的方法。