基于改进VGG模型的人脸表情识别研究

针对目前人脸表情识别的准确率偏低、训练速度较慢、泛化能力弱等问题,提出了改进的VGGNet,添加BN算法和PReLU激活函数,在图像预处理时加入高斯滤波和直方图均衡化,并且使用FER2013、AffectNet、JAFFE、CK+四种数据集进行比较分析。最终的实验结果表明,该模型在四种数据集上的识别准确率都有所提高,在四种数据集上的准确率达到73.52%、84.66%、94.28%、95.26%。在测试集上的泛化能力较强,训练速度也变快。

基于情感词典和SVM的微博网民情感分析

近年来网络社交平台兴起,大众倾向于在网上发表日常生活的感受,通过对这些文本的分析可以挖掘出人们的情感信息。文章基于新冠疫情暴发初期新浪微博有关新冠话题的评论数据,通过结合情感词典和支持向量机的方法构建情感分类模型,接着通过情感时序分析和LDA主题模型综合探讨疫情期间微博网民的情感走势与特征。经实验分析,网民在新冠疫情期间的情感以积极情感为主,体现了大众对于战胜疫情有着相当充足的信心。