无双

本作的操作分为体感手柄、PAD手柄两种,Pro手柄的操作与PAD手柄相同,体感手柄的操作需要辅助手柄配合．本文的操作以PAD手柄为主。而游戏体验方面则是分为“《无双》系列”传统操作与“《塞尔达》系列”传统操作两种,无论是《无双》的玩家还是《塞尔达》的粉丝都能够选择自己喜欢的操作方式来体验游戏。     

师范大学生抑郁情绪与心理社会影响因素研究

了解师范大学生抑郁状况及其与心理社会影响因素的关系。采用抑郁自评量表（SDS）、自我和谐量表、青少年生活事件量表、社会支持量表、应对方式量表对379名师范大学生进行测量,结果显示：师范大学生抑郁困扰捡出率较高;自我相关因素、自责、健康适应、退避等因子对减轻抑郁困扰起明显消极作用;而解决问题、客观支持等因素起明显积极作用。     

大学英语教学中培养教师情智力的思考

从内涵、作用及实施策略等三方面分析了大学英语教师良好的情绪智力对学生潜移默化的影响．提出了在大学英语教学中培养教师情绪智力的对策。     

加强员工情绪管理增强企业发展动力

情绪管理是人力资源管理工作的一个重要环节,其实质是一种资本管理,它有助于增强企业核心竞争力。分析了我国企业在员工情绪管理方面存在的问题,提出了加强员工情绪管理的途径和方法。     

“GE”今年将比去年更艰难

金融危机对实体经济打击超出预料。就在巴菲特对去年的投资和经济前景做完回顾及预测后,他去年注资30亿美元的通用电气（下称“GE”）也很快发布了财报。与往常一样,年报中公司董事长伊梅尔特也给股东们写了一封意味深长的信,用很长的篇幅吐露对目前市场的悲观情绪。他说,自己和GE从来没预料过的一件事情发生了,那便是：金融体系的崩盘打击了整个经济。但他也期望,作为投资者现在恰逢投资GE的最好时间,因为他对GE的未来依然充满信心。在目前阶段,公司正在使用各种办法应对全球性的经济衰退。     

以企业为主体的技术创新体系的五维度分析

以企业为主体的技术创新体系是推进我国全面技术创新的重要动力, 然而众多因素影响着企业在技术创新体系中的主体性.基于理论分析和问卷调研, 通过调研样本的探索性分析和可靠性分析探索了影响企业在技术创新体系中主体性的因素, 提出了我国以企业为主体的技术创新体系的5个维度, 建立了以企业为主体的技术创新体系5维度的结构方程模型, 同时验证了若干重要假设.     

对运用情绪主题绘本促进幼儿情绪能力发展的思考

幼儿的情绪能力作为其非智力因素中的核心要素,对幼儿的社会性发展、健康心理状态的形成乃至幼儿一生的发展都有着非常重要的意义。幼儿园作为影响幼儿成长的"重要环境",是开展幼儿情绪教育,促进幼儿情绪能力发展的主要基地。因此,本研究尝试利用情绪主题绘本作为幼儿园情绪教育活动开展的资源与媒介,探究可能的教育模式,形成一定的教育方案,为幼儿园开展促进幼儿情绪能力发展的教育实践活动提供一定的依据与参考。     

TP-FER：基于优化卷积神经网络的三通道人脸表情识别方法

针对人脸五官在表达不同情绪时所起的作用不同,利用单一的卷积神经网络对人脸面部特征进行特征提取和表情识别可能会导致提取表情关键特征信息时聚焦性不够,而仅对眼部或者嘴部等重点部位进行特征提取,又有可能造成特征提取不够充分的问题,提出了一种基于优化卷积神经网络的三通道人脸表情识别方法TP-FER(tri-path networks for facial expression recognition).该方法基于构建的卷积神经网络训练,采用三个输入渠道,分别聚焦面部、眼部和嘴部区域进行特征提取和表情判别,最后采用基于决策层的融合技术将三个渠道的识别结果进行相对多数投票决策,获取整体最优识别率.将此方法应用于JCK+数据集和自建数据集上进行了实验判别分析,结果表明该方法在两个数据集上均提高了整体表情识别率.该方法既考虑了脸部整体特征的提取,又兼顾了某些表情主要聚焦在眼部、嘴部表达的特性,相互辅助,整体提高了表情的识别率;该方法也能对神经心理学研究提供数据支持.     

基于灰色关联法的生理信号与情绪关联度研究

明确生理信号与情绪的关联度对提高情绪识别正确率起重要作用,然而目前关于两者的关联度研究成果比较少。为研究生理信号与情绪的关联度,采用德国Augsburg大学生理信号数据库的数据,基于灰色关联法研究喜、怒、哀情绪与心电、呼吸、皮肤电导信号的关联度,在此基础上,根据关联度结果采用CHAID决策树和SVM分类法进行情绪识别与分析。研究结果表明：（1）喜、怒、哀3种情绪与呼吸信号关联度最高,与皮肤电导关联度次之,与心电关联度最低;（2）基于CHAID决策树和SVM对3种情绪下的3种生理信号进行情绪识别,验证了喜、怒、哀与心电、呼吸、皮肤电导信号的关联程度。     

基于生活日志的情绪识别

抑郁症日益成为影响现代人生活幸福程度的重要因素。实时有效地识别用户情绪的方法对于抑郁症潜在患者的发现和治疗十分有意义。用户情绪的状态及变化会体现在其生活日志数据上。该文从使用可穿戴设备收集的用户生活日志数据出发,对数据进行了特征方面的分析;进一步地,使用以回归树为弱学习器的集成学习模型,设计了使用全部数据、仅用户自身数据以及仅他人数据进行训练的三组实验构成的对比实验框架,以比较使用不同用户数据对识别结果的影响。实验结果表明,基于生活日志数据的集成学习模型可以有效地识别用户的情绪状态。同时,基于实验结果提出了用户认知不一致的猜想,对于心理学上的抑郁分析也有一定的启发作用。该工作是目前所知第一个利用用户生活日志信息进行情绪识别以及抑郁症患者分析的工作,为后续进一步扩大实验规模和改良实验设计提供了思路。