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.     

T恤的流行推动力与流行价值探究

介绍了T恤的起源,探讨了T恤的流行推动力及其T恤的流行价值.     

T恤的流行推动力与流行价值探究

介绍了T恤的起源,探讨了T恤的流行推动力及其T恤的流行价值。     

PAD三维情感空间中的语音情感识别

离散情感描述模型将人类情感标注为离散的形容词标签,该类模型只能表示有限种类的、单一明确的情感类型,而维度情感模型从情感的多个维度量化了复杂情感的隐含状态.另外,常用的语音情感特征梅尔频率倒谱系数(MFCC)存在因分帧处理引起相邻帧谱特征之间相关性被忽略问题,容易丢失很多有用信息.为此本文提出改进方法,从语谱图中提取时间点火序列特征、点火位置信息特征对MFCC进行补充,将这三种特征分别用于语音情感识别,根据识别结果从PAD维度情感模型的三个维度(Pleasure-displeasure愉悦度、Arousal-nonarousal激活度、Dominance-submissiveness优势度)进行相关性分析得到特征的权重系数,加权融合后获得情感语音的最终PAD值,将其映射至PAD三维情感空间中.实验表明,增加的时间点火序列、点火位置信息不但能探测说话人的情感状态,同时考虑了相邻频谱间的互相关信息,与MFCC特征形成互补,在提升基本情感类型离散识别效果的基础上,将识别结果表示为PAD三维情感空间中的坐标点,采用量化的方法揭示情感空间中各种情感的定位与联系,展示出情感语音中糅杂的情感内容,为后续复杂的语音情感分类识别奠定研究基础.     

论现代T恤与中国元素融合的美学内涵

T恤,作为西式服装,从20世纪80年代开始在我国流行,至今不变。从最初的西方审美观念和生活方式的象征,到逐步与中国元素融合形成中国风格,T恤不仅成为民族文化传承的载体,而且表明传统美学在向现代的转换中,风格虽然在演变,但本质依在。     

面向情感语音识别的情感维度PAD预测

针对现有的情感特征仅从信号的角度对情感进行分析,不能直观反映情感状态的问题,提出将连续情感维度PAD引入情感识别. 实验样本选用TYUT2.0数据库和柏林语音库中的3种情感（悲伤、愤怒和高兴）,提取情感特征（韵律特征、共振峰、MFCC和非线性特征）. 为了获取客观、精确的PAD维度,利用灰色关联分析（GRA）选取影响P、A、D的主要特征,通过主成分分析（PCA）提取主要特征的主成分,将主成分作为最小二乘支持向量机（LSSVM）的输入预测P、A、D. 分别对情感特征、PAD维度及它们的融合,采用支持向量机进行情感识别. 实验结果表明,该预测方法在一定程度上提高了对P、A、D的预测精度,预测值可以有效识别情感,对情感特征在情感识别方面有一定的补充作用.     

一种情感极性感知的信任模型

针对在线评论中文字评论和等级评价不一致的问题,提出基于情感极性分析的综合评价生成算法,并依据隐马尔可夫模型(Hidden Markov Model,HMM)构建了信任计算模型,将按时间排序的综合评价作为观测序列用于寻找最优的信任状态序列,把实体处于最可信状态的概率作为其可信度.该模型不仅提高了信任计算的准确性,还体现了信任的动态性.仿真实验验证了所提模型的有效性.     

基于EBAP模型的中文情感分类

针对中文情感分类的一词多义,以及完整语义信息表示问题,采用EB A P模型表示词向量,使用RCNN和Attention结合的方式提取文本特征,改善了模型捕获文本全局及局部语义特征和关键情感信息能力.     

从低层次到高层次表示的情感模型研究

情感模型的建立可以使计算机具备基本的情感识别和表达能力,在和谐人机交互方面有着广泛的应用。文中借助于Picard教授关于情感计算的理论,将线性系统理论和数字信号处理方法应用到情感信号与系统建模上,用信号很好地表示了人类的内在情感和情绪,并通过MATLAB仿真实验分析证明了模型的正确性。最后结合情感的高层次认知推理机制,将情感模型应用到情感虚拟人当中,形象地实现了情感对人脸表情变化的控制。     

一种改进的概率关系模型及其应用研究

为了解决概率关系模型(Probabilistic Relational Model,PRM)中投影不合理的缺点,针对PRM模型存在的缺陷对其进行了改进.把概率关系数据库中的元组进行了有效的划分,分为相互独立元组和互不相容元组,并且给出了改进后不同类型元组的投影操作.此外,在传统的房屋中介管理系统中应用了概率关系模型.该...     

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.     

基于LDA主题模型的文本语料情感分类改进方法

针对传统LDA主题模型无法体现词与词之间的顺序及关联性这一不足,提出一种改进的加权W-LDA情感分类方法.首先,在该模型的主题采样及其分布期望计算过程中引入平均加权值,以此避免与主题紧密相关词被高频词所淹没,从而提高主题间的区分度; 然后,以提取到的高质量文档-主题分布及主题-词向量为基础,引入支持向量机算法(SVM),构建一个集有情感词分析与提取、主题分布计算与情感分类功能的文本语料情感分析方法; 最后,利用真实的教学评价数据和公共评论集对本文方法的有效性进行了验证.结果表明,本文提出的方法在主题区分度     

基于显／隐式表达的时空模型分类

根据时空对象与时空拓扑关系的显／隐式表达模式,提出了一种新的时空数据模型的分类方法．将时空模型分为时空对象与时空关系,其中时空对象包括事件与状态两种原子,时空关系包括事件之间关系、状态之间关系、事件与状态之间关系等三种基本关系;时空表达分为显式、隐式、半显半隐式三种模式．基于显隐式表达的时空模型分类系统采用时空对象、时空关系与时空表达的三元组结构描述,并列举了典型的时空数据模型,为用户选择满足不同应用需求的时空模型提供了理论依据．     

基于扭转试验的大变形本构关系分析

研究采用实心圆轴扭转试验标定大变形弹塑性本构关系时客观应力导数的影响问题.给出了在实心圆轴扭转试验中,几种常用旋率的具体形式.应用等向强化的J2流动塑性理论,建立了以扭转试验的应力-应变曲线为基准的,分别由Oldroyd、广义Jaumann应力导数和相对于变形率标架旋率的应力导数表述的大变形弹塑性本构关系.所得各本构关系中的塑性刚度函数与由Jaumann客观应力导数给出的塑性刚度函数形式相同,说明用扭转试验标定大变形弹塑性本构关系时,塑性刚度函数不受客观应力导数的影响,本构形式相对稳定.     

基于显/隐式表达的时空模型分类

根据时空对象与时空拓扑关系的显/隐式表达模式,提出了一种新的时空数据模型的分类方法.将时空模型分为时空对象与时空关系,其中时空对象包括事件与状态两种原子,时空关系包括事件之间关系、状态之间关系、事件与状态之间关系等三种基本关系;时空表达分为显式、隐式、半显半隐式三种模式.基于显隐式表达的时空模型分类系统采用时空对象、时空关系与时空表达的三元组结构描述,并列举了典型的时空数据模型,为用户选择满足不同应用需求的时空模型提供了理论依据.     

一种水泥土非线性应力-应变关系研究

为研究水泥土的力学性能,建立了一种用分段连续函数表示水泥土非线性应力-应变关系的数学模型,给出了确定模型参数的方法,讨论了模型参数的影响因素．最后,给出了水泥土模量的表达式,验证了所提出的水泥土非线性应力-应变关系的适用性,所提出的水泥土非线性应力-应变关系可用于水泥土桩复合地基性能分析．     

Potential emotion recognition based on the fusion of the spatio-temporal neural network and facial pulse signals

(Micro) expression has a certain effect on emotion recognition,but in the case of artificial concealment,it is prone to misjudgment.Although the recognition effect of physiological signals is more accurate,the data collection is often complicated,which is not convenient for rapid personnel emotion checking.In response to the above problem,this paper adopts a non-contact chromatic model-based method to collect pulse signals,extract features based on the pulse signals,and integrate the proposed spatio-temporal neural network to realize potential emotion recognition.Experimental results show that the proposed two-way latent emotion recognition framework can well integrate the emotion information contained in micro-expressions and physiological signals,and that the effect in micro-expression recognition is improved to some extent compared with the current micro-expression recognition algorithms commonly used at this stage.     

基于PCA-SVM多生理信息融合的情绪识别方法

为了有效解决情绪识别过程中多种生理信息融合所导致的运算量过大的问题,提出了一种主成分分析(principal component analysis, PCA)与支持向量机(support vector machine, SVM)相结合的情绪识别方法。利用主成分分析法,求出各特征对情绪识别效果的影响权重,通过阈值法选择权重较大的特征组成新的特征子集,从而减少SVM的输入特征维数,降低算法的运算量。试验结果表明,该方法可以有效提高算法的执行效率。