基于FSVM算法的多模态情感数据自动采集方法

多模态情感数据采集过程中,容易出现数据自动采集结果冗余度较高的问题。因此,提出一种基于FSVM算法的多模态情感数据自动采集方法。获取不同情感状态下语音信号和脑电信号,提取多模态情感数据特征,再进行特征融合。采用FSVM算法设计数据识别算法,在数据样本隶属度赋予过程中准确避开噪声点或野值点,完成多模态情感数据的准确分类。最后,在FPGA芯片的作用下完成数据自动采集。实验结果表明:相较对比方法,所提方法的多模态情感数据采集结果的平均冗余度低。

实用语音情感数据库的设计与研究

针对实用语音情感研究的需要,设计并且建立了诱发语音情感数据库。根据刺激评估表,设计了一种基于计算机游戏的情感诱发方式,首次针对汉语音的实用语音情感进行了情感数据的采集和情感语音库的建立。对烦躁、紧张和喜悦等三种具有实际应用意义的语音情感进行了有效的诱发,录制了情感语音数据,并进行了数据的检验与听辩测试。结果显示,采用计算机游戏诱发情感的方法能够有效地采集自然度较高的实用语音情感数据,为实用语音情感的特征分析与识别提供了必要的研究基础。

多模情感数据库的设计与评价

为解决多模情感数据库匮乏问题,设计了情感语音和人脸表情多模情感数据库,包含20人的共600段音视频片段,分别包括高兴、惊讶、嫌恶、生气、悲伤、害怕等6种基本情感。为了确保情感数据库的有效性,对情感数据库进行了评价。该多模情感数据库可作为单模和多模情感识别算法的测试平台,对多模情感识别研究具有积极的促进作用。

多模情感数据库的设计与评价

为解决多模情感数据库匮乏问题,设计了情感语音和人脸表情多模情感数据库,包含20人的共600段音视频片段,分别包括高兴、惊讶、嫌恶、生气、悲伤、害怕6种基本情感。为了确保情感数据库的有效性,对情感数据库进行了评价。该多模情感数据库可作为单模和多模情感识别算法的测试平台,对多模情感识别研究具有积极的促进作用。

面向情感变化检测的语音情感数据库

语音情感数据库是进行语音情感识别研究的基础。多样化、大规模、高质量的优质的语音情感数据库对语音情感识别系统性能的提升具有重要作用。研究首先全面地分析了目前国内外使用最广泛的语音情感数据库,并将其归纳为单模态语音情感数据库和多模态语音情感数据库;然后通过实验将不同数据库上所取得的最优性能进行对比,选出可推荐的优质语音情感数据库,为相关研究人员提供有价值的学术参考;最后对未来语音情感数据库的建立提出几点建议。

基于Python的情感数据分析

为了分析教师在教学过程中存在的不足之处,以期为教学质量的提升提供参考依据。文中首先通过Python将学生主观评教进行切词,获得高频情感词汇,然后实现高频情感词汇在评价中强调显示和词云显示,依据高频情感词汇实现评教数据的情感统计。结果表明:利用数据挖掘方法,分析了教师在教学过程中的情感状况,通过对采集到的数据进行分类和聚类技术的研究,得到了较好的教学评价分类模型,由此来判断教师在教学中存在的优点和弊端。不同院系不同学科的评价结果受多种因素影响,教务管理部门应该从多个方面给与建议或出台相应措施,促进教学质量的提升。

多民族人脸和眼动情感数据库的构建

多民族情感计算和识别研究有利于分析和理解不同民族之间情感表达的差异性,而不同民族之间的情感分析和识别研究需要以多民族情感数据作为数据基础。利用情感诱导视频等方式采集人的面部表情和眼动数据,建立了包含5个民族6种基本表情的多民族情感数据库。其中包含11328幅表情图片和196个眼动轨迹信息。实验过程中对图像和数据文件名构建编码规则,对取得的表情图片数据进行灰度化、人脸关键部位截取等图像处理,同时提取眼动仪记录的眼动数据,将表情图片及眼动轨迹信息进行整理,进而组成多民族情感数据库。该数据库的建立对多民族情感识别和智能人机交互领域的发展起到一定促进作用。

基于数据挖掘与智能计算的情感数据分析与心理预警系统研究

一直以来,人们在通过人工遴选方式来分析传统情感数据时,普遍存在样本容量小、实时性差、操作成本高、人为误差大等缺点,为了有效解决这些缺点,就需要运用现代化技术手段,将数据挖掘技术运用于其中,并结合BP神经网络来设计一种全新的情感数据分析系统,该系统采用ROS机器人操作系统,并借助于Kinect深度相机来对待测对象的心理数据进行全方位的采集,最后根据情感数据的分析结果来做出及时的预警。相比于以往人工参与的心理预警方式来说,本文所设计的系统无论是在自动化程度,还是在实时性和准确性等方面,都有着前者所无法比拟的应用优势。

普通话多模态情感语音数据库构建与评测

本文设计并建立了一个包含发音运动学、声学、声门和面部微表情的多模态情感语音汉语普通话数据库,分别从语料设计、被试选择、录制细节和数据处理等环节进行了详细的描述,其中信号被标记为离散情感标签(中性、愉悦、高兴、冷漠、愤怒、忧伤、悲痛)和维度情感标签(愉悦度、激活度、优势度)。本文对维度标注的数据进行统计学分析,验证标注的有效性,同时验证标注者的SCL-90量表数据并与PAD标注数据结合后进行分析,探究标注中存在的离群现象与标注者心理状况之间的内在联系。为验证该数据库的语音质量和情感区分度,本文使用SVM、CNN、DNN3种基础模型计算了7种情感的识别率。结果显示,单独使用声学数据时7种情感的平均识别率达到了82.56%;单独使用声门数据时平均识别率达到了72.51%;单独使用运动学数据时平均识别率也达到了55.67%。因此,该数据库具有较高的质量,能够作为语音分析研究的重要来源,尤其是多模态情感语音分析的任务。

基于情感数据的违约判别研究

违约判别对商业银行和借贷机构的信贷决策具有重要意义。本文研究的问题是如何使用情感数据构建违约判别模型,以提高金融机构识别违约客户的能力。本文的创新与特色:一是使用7类21种情感来测度借款描述的情感特征,不仅呈现借款描述中隐含的多维度情感特征,而且避免仅使用正负两类情感计算总情感倾向时情感种类单一、情感含义模糊的弊端;二是使用情感数据和数值数据构建违约判别模型,避免使用单类数据构建违约判别模型准确性不足的弊端。研究表明:相较于使用单类数据构建违约判别模型,同时使用情感数据和数值数据构建的最优临界点判别模型的违约判别准确性最高,其中第二类错误显著下降。回归分析表明:在正向情感中,借款描述中传达“相信”和“赞美”情感的客户与传达“祝愿”“喜爱”“快乐”“尊敬”“安心”等多种情感的客户相比违约可能性更小;“贬责”情感对违约状态有显著正向影响;“悲伤”情感对违约状态有显著负向影响。

情感驱动的智能艺术研究综述

目的从数据、方法,以及应用三方面梳理情感化智能艺术的研究现状,并总结该领域的发展历程、局限性及未来研究趋势。方法基于当前的文献、研究成果与应用产品,回顾了情感标注方式的变化及其对情感艺术数据库的影响。解释了情感识别、可控生成、跨媒体等智能技术的实现原理,以及多种情感驱动的智能艺术方法。总结了三种情感与智能艺术的交互机制,以及代表性产品对医疗健康、文化教育、商业营销等领域的影响。结论情感化方法提升了智能作品的感染力,支持了艺术创作中的人机协同。随着艺术与技术的进一步融合,艺术领域将迎来新的生产、体验与消费模式。

维度情感模型研究现状综述

本文对维度情感模型的研究现状和进展进行了归纳总结,包括维度情感描述模型、维度情感标注方法、具有代表性的维度情感语音数据库三个方面,旨在尽可能全面地对维度情感模型进行详细的介绍,为相关研究人员提供有价值的学术参考,最后,针对目前的研究现状总结维度情感模型的优势和不足之处并对未来的发展进行了展望。

汉语双模情感语音数据库标注及一致性检测

对缺少含有丰富情感标注信息的情感语音数据库问题,建立了一个包含语音和电声门图仪(EGG)信息的汉语双模情感语音数据库,并对其进行了标注和一致性检测.首先,根据情感语音数据库的特色制定了详细的标注规则和方法,由5名标注者按照制定的标注规则对情感语音数据库进行标注.其次,为了确保情感语音数据库的标注质量和测试标注规则的完整性,标注者在正式标注之前先进行了测试性标注,测试语音包含280条语音(7种情感×2名说话人×20条语音).最后,根据语音标注规则设计了相应的一致性检测算法.结果表明,在5 ms的时间误差范围内,5名标注者对相同语音标注的一致性平均可以达到60%以上,当误差范围增大至8 ms和10 ms时,一致性平均可提高5%和8%.实验说明5名标注者对语音的理解较一致,制定的标注规则比较完整,情感语音数据库的质量也较高.

情感语音数据库优化及PAD情感模型量化标注

情感语音数据库是情感语音识别研究的基础,建立包含认知心理因素在内的维度情感语音数据库对提高识别率、改善人机交互能力具有重要意义。笔者首先对前期建立的摘引型TYUT2.0数据库进行语音听辨筛选,根据认同率阈值进行数据库优化,得到的情感语音数据库包含四种情感的语句237句,其中"悲伤"62句,"愤怒"58句,"高兴"57句,"惊奇"60句。然后利用PAD三维情感模型对该数据库语音进行标注,得到维度情感语音数据库。该数据库中的每句语音都有对应的听辨认同率以及PAD值。对每句语音的PAD值进行统计分析,证明了该维度情感语音数据库的有效性,为今后研究维度情感识别奠定了基础。

基于模糊综合评价法的情感语音数据库的建立

为建立一个真实、自然、丰富的情感语音数据库,研究选择高兴、惊奇、悲伤、生气四种情感类型,利用截取广播剧的方式获得初选阶段的情感语音数据库。通过模糊综合评价与层次分析法、熵权法相结合建立情感语音的模糊综合评价模型,利用该模型对初选阶段的数据库进行模糊评价,筛选得到最终高质量的情感语音数据库。将三种类型的数据库用于情感语音识别实验,对比分析了不同类型数据库的差异,同时也验证了本数据库的有效性。

情感语音数据库综述

情感语音数据库是语音情感识别研究的数据基础,为语音情感识别模型的建立提供训练和测试数据。近年来,国内外研究者们以各自的科研任务为背景,建立了若干面向语音情感识别研究的数据库。然而,由于情感的复杂性以及缺乏统一的数据库建立标准,只有少数的高质量的数据库得到了大多数研究者们的认可。通过文献调查与分析,对当前领域内极具代表性的一些情感语音数据库进行了综述,目的是为相关研究者们的数据库建立和选择工作提供可靠的对比和参考依据。

基于开放环境下行为学实验的图像情感语义数据分析

网络技术的发展和图像获取设备的普及导致数字图像迅速增长,依靠先进的技术获取并分析图像蕴含的情感语义正是当前各行业急需解决的问题,过去封闭的行为学实验环境限制了图像情感语义数据的获取.基于开放环境制作了一个行为学实验平台,选取大学生作为被试获取图像情感语义数据,使用主成分分析法分析获取的数据.实验结果表明,开放环境下的行为学实验获取的数据非常有效,经过分析,可表达图像三分之二的情感语义信息,可为今后实现有效的图像情感语义分类和检索打好基础,具有一定的实用性.

基于深度学习的情感类文本数据蕴含关系识别方法

本文采用将CNN与BiLSTM进行融合的方式,将存在情感的文本数据作为分析对象,识别具有价值的情感信息,对文本数据对象进行初步识别。基于深度学习模型的应用,对文本数据进行情感推理,根据推理结果,导出情感类文本数据的蕴含关系。对比实验结果表明:本文识别方法在实际应用中可以针对文本消极情感和积极情感准确识别,得出的识别结果利用价值更高。

学习情感分析方法研究综述

文章从学习情感数据库、单模态学习情感分析方法和多模态学习情感分析方法三个方面进行综述,以期让广大研究者对学习情感分析有一个较为清晰全面的了解和认识,进一步推动学习情感分析研究的发展。研究结果表明:现有的情感数据库中的情感标签不完全符合学习过程中的情感状态,而专门针对学习情感分析的数据库资源相比之下较为匮乏;虽然多模态数据在情感识别中更可靠,但存在大规模数据的维数灾难、不同模态间的不同步、算法的实时性等亟待解决的问题;目前关于学习情感分析的系统及其理论研究相对比较匮乏。

运用情感共振提升客户忠诚度

共振现象是自然界中一种极为普遍的现象。本文就销售过程中情感共振的发生机理以及如何运用情感共振提升客户忠诚度从共振机理、客户情感数据收集、情感共振方案制定3个方面进行了探索。