基于Gross认知重评的机器人认知情感交互模型

为了增强机器人的认知情感分析能力,依据AVS情感空间和有限状态机(FSM)提出了一种基于Gross认知重评策略的认知情感交互模型.首先,通过分析情感状态之间的欧式距离,研究外界情感刺激对情感状态转移概率的影响;然后,采用有限状态机描述了受到认知重评策略影响的情感状态转移过程;最后,根据情感状态转移概率和7种基本情感的空间坐标,得出受到刺激后机器人情感状态的空间位置.实验结果表明,与不受认知重评策略影响的情感交互模型相比,所提模型能够减少机器人对外界情感刺激的依赖,从而有效地促进了和谐的人机交互体验.

基于GMM的增量式情感映射

为有效地获得用户的真实情感状态,促进和谐的人机交互体验.结合AVS情感空间和大五人格理论,提出一种基于高斯混合模型的增量式情感映射模型.首先,在AVS情感空间的3种属性(A,V,S)坐标轴上,利用高斯混合模型对情感类型进行依次建模,计算情感概率值及其空间分布;其次,针对用户的个体差异性,采用层次分析法研究人格五因素与情感属性之间的关联,获得用户的个性化认知参数,实现具有个性化认知的情感映射结果;之后,采用增量式学习方法对情感类型的分布空间进行实时修正,保证情感分类的高准确率.最后,实验结果验证了该方法的情感映射结果与用户的真实情感状态具有高度一致性,并有较好的自适应性.

基于模糊数学的音乐情感检索技术

如何以音乐的情感为检索关键词来准确地匹配检索算法是目前研究的热点问题之一。在此,以音乐情感的模糊性特征为基础,采用模糊数学理论和AV情感向量空间模型,提出了一种音乐情感模糊检索技术:将音乐情感进行量化处理的同时,也体现一首音乐所包含的不同种类的情感;另外,同一情感类型的音乐能够按其隶属度值的高低进行智能排名,使人们能更准确地找到所需的音乐资源。通过对比实验,计算此检索方法的查全率、查准率和F值,相关度,C值、V值覆盖率和出新率等评价指标,从而证明了该检索算法的有效性。