2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人體運動中包含大量的情感信息,是情感識別領域新的研究方向。但是目前基于人體運動進行情感識別的工作基礎薄弱,大多是人工判別或者提取一些基本物理運動信息作為特征量進行機器學習,識別率不高。針對這一現(xiàn)狀,在該領域引入具有強描述能力的特征來準確量化各類情感的運動,然后通過機器學習方法進行情感識別,提高識別效率。
   現(xiàn)在常用的特征量大多為一般運動信息(速度、加速度、急動度等)的均值,沒有考慮到人體運動的空間特性。那如何選取能完整描述人

2、體運動的特征,從數(shù)學角度聯(lián)想到了高斯特征,它是基于協(xié)方差特征缺少均值信息不能組成完整高斯估計而提出的,不僅包含了均值信息,還具有概率密度函數(shù)的描述空間信息的能力。因此引入高斯特征對人體運動進行描述以提高整個識別率。但是一個高斯特征對應于一個單高斯模型,在應用上高斯混合模型具有明顯的強自適應性,是對單高斯模型的擴展及提升。所以在高斯特征基礎上,再引入混合高斯特征以進一步實現(xiàn)對不同情感類別的全面描述。觀察可知,所提取的特征和情感類別之間是復

3、雜的非線性關系,因此采用機器學習方法進行有效地情感識別實驗。基于不同數(shù)據(jù)集、不同核函數(shù)及不同特征組合下提取樣本集的特征,進行交叉驗證實驗;把樣本集合分為N份,每次留一份作為未知樣本,共N次循環(huán)學習分類:每次給已知樣本貼好情感類別標簽,送入支持向量機進行學習建模;再用所得模型對未知樣本進行識別分類。最終得到各個實驗方案下的識別結果。
   對實驗結果從核函數(shù)的性能、特征的描述能力和推廣能力等多個方面進行綜合分析,驗證了高斯特征和混

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論