一种情感模型的研究

根据隐马尔可夫模型HMM的基本理论和算法设计了一个情感模型。该模型由三种心理情绪状态组成。外部刺激经过HMM模型识别，确定情感输出。Baum-Welch算法在训练时存在溢出问题，需要人工介入来调接。提出一种能消除HMM情感模型上下溢问题的算法，不仅不需人工介入，还保证了计算精度，从而提高了模型的准确性。仿真结果表明这种方案可行，且识别效果较好。     

基于改进MMI的HMM训练算法及其在面部表情识别中的应用

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式. 该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能. 把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器. 实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题.