發(fā)布時間：2021-12-25 00:34

　　情緒是當(dāng)今每個人在生活中不可忽視的一部分,所以人們的情緒狀態(tài)的識別非常重要。針對情緒識別問題,傳統(tǒng)的方法主要是對人們的外在行為指標(biāo)或人們的生理信號進行個體情緒識別研究。但是這些信號的收集過程比較困難,需要志愿者的高度配合或是需要高成本的可穿戴設(shè)備進行數(shù)據(jù)收集。在目前人工智能發(fā)展盛況空前的背景下,本文基于神經(jīng)網(wǎng)絡(luò)提出了多種對鼠標(biāo)運動軌跡的情緒識別的方法。對人們在使用計算機時的情緒狀態(tài)進行識別,具有一定的商業(yè)價值。對于互聯(lián)網(wǎng)企業(yè)而言,可以提供令客戶更加滿意的服務(wù)。本文具體研究內(nèi)容及結(jié)果如下:1.在建立數(shù)據(jù)庫時,本文采用的是征集志愿者人為收集的方法。收集到的數(shù)據(jù)先經(jīng)Excel軟件應(yīng)用VBA程序做批量處理,之后送入matlab軟件中做矩陣變換處理。最后生成規(guī)范統(tǒng)一的數(shù)據(jù)集。2.在構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型時,本文創(chuàng)新性地采用了積分變換和統(tǒng)計分析兩種特征提取方法。經(jīng)過訓(xùn)練和測試之后統(tǒng)計不同狀態(tài)下的情緒識別正確率,實驗結(jié)果表明:對于不同個體的情況,兩種方法的結(jié)果互有高低,且都有不錯的效果。但是在某些極端的情況下,對于個體操作鼠標(biāo)習(xí)慣差異較大時,其結(jié)果就顯得不盡人意了。這也是后續(xù)研究中所需要解決的一大問題... 

【文章來源】：江西財經(jīng)大學(xué)江西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

生物神經(jīng)元和人工神經(jīng)元

圖 2-3 Sigmoid 函數(shù)曲線d 函數(shù)還有非常簡潔的導(dǎo)函數(shù)，如式 2.2。1 d 函數(shù)接收一個實數(shù)值，將其映射到 0 到 1 的范圍內(nèi)。Sigm經(jīng)網(wǎng)絡(luò)中很受歡迎，部分原因是它很容易微分，從而降低了訓(xùn)

tanh 函數(shù)曲線

【參考文獻】：
期刊論文
[1]基于深度殘差網(wǎng)絡(luò)的手寫體數(shù)字識別[J]. 趙朋成,馮玉田,羅濤,雷安琪.  工業(yè)控制計算機. 2017(10)
[2]面向可穿戴多模生物信息傳感網(wǎng)絡(luò)的棧式自編碼器優(yōu)化情緒識別[J]. 戴逸翔,王雪,戴鵬,張蔚航,張鵬博.  計算機學(xué)報. 2017(08)
[3]雙向循環(huán)網(wǎng)絡(luò)中文分詞模型[J]. 胡婕,張俊馳.  小型微型計算機系統(tǒng). 2017(03)
[4]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[5]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學(xué)報. 2016(09)
[6]基于生理大數(shù)據(jù)的情緒識別研究進展[J]. 趙國朕,宋金晶,葛燕,劉永進,姚林,文濤.  計算機研究與發(fā)展. 2016(01)
[7]卷積神經(jīng)網(wǎng)絡(luò)分類模型在模式識別中的新進展[J]. 胡正平,陳俊嶺,王蒙,趙淑歡.  燕山大學(xué)學(xué)報. 2015(04)
[8]基于改進Fisher準(zhǔn)則的深度卷積神經(jīng)網(wǎng)絡(luò)識別算法[J]. 孫艷豐,齊光磊,胡永利,趙璐.  北京工業(yè)大學(xué)學(xué)報. 2015(06)
[9]中文微博的情緒識別與分類研究[J]. 何躍,鄧唯茹,張丹.  情報雜志. 2014(02)
[10]基于腦電的情緒識別研究綜述[J]. 聶聃,王曉韡,段若男,呂寶糧.  中國生物醫(yī)學(xué)工程學(xué)報. 2012(04)



本文編號：3551478