融合卷积神经网络与支持向量机的表情识别

针对表情识别方法存在识别准确率不高和手工设计的特征不能全面表征面部表情特征的问题,提出一种融合卷积神经网络(CNN)的深度学习特征和支持向量机(SVM)的人脸表情识别方法。采用Viola-Jones算法进行人脸检测和对齐,提取面部表情感兴趣区域的图像,输入到CNN模型以提取显著的表情特征信息,对得到的特征向量采用SVM进行分类,将表情分类结果输出。使用该方法在Fer-2013数据集和CK数据集上进行实验,识别率分别为93.46%、92.06%。实验结果表明,该方法能够明显提高表情识别的准确率。

流行性出血热30例的血清学检测

为确定江西地区流行性出血热(EHF),病原我们收集了南昌市(郊)、南昌、新建、半城、临川、余江、东乡等县,自1981～1983年3年来EHlF患者30例初期和恢复期血清42份,与安徽省分离的EHlF病毒(陈株)人肺癌传代细胞(A一549)抗原进行间接免疫荧光试验Ⅲ,获特异性反应阳性结果.