基于核典型相关分析和支持向量机的图像识别技术

为了提高图像识别性能,采用核典型相关分析(KCCA)和支持向量机(SVM)相结合的方法进行图像识别。从不同维度获取图像文本特征,并采用KCCA方法对图像不同维度特征进行相关分析。将相关系数高的特征进行有效优化,从而保存差异度高的图像判别特征。对经过KCCA后的图像特征进行SVM判别,获得图像识别结果。实验证明,通过选择合适的KCCA核函数,对图像特征进行相关分析,并提取全面有效的图像判别特征,既降低了图像冗余特征,又保存了图像识别特征的全面性。与SVM、神经网络(NN)、卷积神经网络(CNN)相比,KCCA-SVM算法能够获得更高的图像识别准确率。     

基于双向情感分析的实时性音乐推荐系统设计

目前的音乐推荐系统,一般采用基于个体兴趣的推荐方法,这种方式虽然能满足大部分情景下的用户需求,但无法感知到用户实时性的心情变化。考虑到不同情绪状态下用户对于音乐的需求往往也会发生改变,提出一种基于双向情感分析的算法并构建了实际系统,实时分析用户的情感需求来进行音乐推荐。一方面基于音乐在频域的梅尔倒谱系数构建特征分类器完成歌曲的情感分类;另一方面通过获取用户在社交网络中的实时文本信息,基于自然语言理解分析出用户当前的情感需求,最终为用户产生音乐推荐列表,实现基于情境感知的实时音乐推荐。实验表明,使用该个性化推荐算法具有更高的准确性,用户群体可以获得更为满意的用户体验。     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.     

面向推荐系统的音乐内涵空间建模研究

针对现有音乐推荐系统中音乐情感分析方法很难满足用户情感需求的问题,提出音乐内涵空间方法分析音乐情感。该方法选取音乐力度、速度、音强等表现要素,基于两极尺度的语义,构建音乐内涵空间。通过音乐内涵空间表示音乐情感,减少了音频特征客观水平与主观情感范围之间的差距,解决了情感标签标注音乐中由于用户情感经历不同造成的对音乐情感标注的主观差异性问题。在10 672条音乐评价数据集上,采用Kendall’s tau距离进行有效性验证,与基于情感标签推荐相比,实验结果表明,基于音乐内涵空间推荐音乐能较好地满足用户的情感需求。     

基于MFCC和GMM的个性音乐推荐模型

提出一种基于Mel频率倒谱系数(MFCC)和高斯混合模型(GMM)的个性音乐推荐模型的建立方法.该方法采用MFCC技术提取歌曲的语音特征,并利用GMM算法生成该歌曲的模板,然后利用音乐模板库对音乐文件进行相似度计算.实验结果表明,利用该模型为用户推荐的歌曲平均准确率为90%.     

二维典型相关分析的实质与改进算法

由于样本数常小于样本维数,传统的典型相关分析方法CCA(canonical correlation analysis)会产生小样本问题.为了解决这类问题,一种新的有监督特征抽取方法--二维典型相关分析2DCCA被提出.与传统CCA方法把二维图像矩阵拉成一维向量不同,2DCCA直接从图像矩阵中抽取特征,该方法有效地解决了小样本问题.但是在单特征下,CCA的类标编码对识别率会产生影响,在一维情况下,传统的类标编码使得CCA等价于LDA,从而限制了CCA抽取更多有效的识别特征.证明了在传统的类标编码时,2DCCA仍然与2DLDA等价.为了打破这种约束,提出了一种基于样本标号的2DCCA改进算法.在ORL和AR人脸库上的实验表明,提出的方法优于传统的2DCCA.     

基于Adaboost-BP神经网络的图像情感分类方法研究

面对图像迅速增长的局面和用户检索图像的要求,依靠先进的技术提取图像蕴含的情感语义并对其分类正是当前各行业急需解决的问题.为此,以自然风景图像为例,提出了一种基于Adaboost-BP神经网络的图像情感语义分类方法,通过OCC情感模型描述图像的情感,使用Adaboost算法组合15个BP神经网络弱分类器的输出,构建强分类器,旨在提高图像情感语义分类的效率.使用百度图片频道上下载的600张自然风景图像进行训练和测试,实验通过与BP神经网络方法测试结果相比较,取得了良好的分类效果,可为更多类型的图像情感自动分类打好基础,具有一定的实用价值.     

特征组合的中文音乐情感识别研究

音乐情感识别是音乐检索的一个重要组成部分.基于音乐声学特征分析,尝试提取代表音乐声学特性的时域、频域、倒谱域的各种特征,并利用支持向量机(support vector machine,简称SVM)算法对中文音频进行情感分类,以研究不同特征组合在音乐情感分类上的效果.通过对比各种不同特征组合的音乐情感识别效果,发现由4个时域特征、频谱、幅度谱和相位谱组成的音乐特征对中文音乐情感分类的效果良好.     

基于在线客户情绪能量感知的商品推荐算法

为了解决基于传统数据挖掘方法的电子商务推荐算法时效性差、准确度不高的问题，提出了基于情绪能量感知的推荐算法。该算法能实时判断在线用户的购买倾向；通过情感能量匹配技术，对商品特征进行分类，并与用户情绪状态进行匹配。理论性能分析和实验证明，该算法较之传统方法具有较高的匹配准确度、较好的时效性和用户满意度。     

音乐情感的自动识别

音乐与情感有着非常密切的联系,发展针对音乐的情感识别系统,对于计算机音乐的研究与发展有着深远的意义.提出了一种基于PAD(Pleasure arousal dominance)模型以及基因表达式编程(GEP)算法的音乐情感自动识别方法.在众多音乐特征元素中抽取与情感关系密切的6个特征,并且采用PAD模型来描述音乐中的情感,在此基础上使用GEP算法实现对简单乐曲中单一情感的自动识别.从实验结果分析,本系统能够达到一个比较理想的识别效果和较低的识别误差.     

基于KCCA的特征融合方法及人耳人脸多模态识别

鉴于人耳和人脸特殊的生理位置关系,本文从非打扰识别的角度出发,提出一种基于人耳人脸的多模态生物特征识别技术。首先仅采集侧面人脸图像,然后将核方法引入到典型相关分析(CCA)中,提出基于核CCA的特征融合方法,抽取两组特征矢量的非线性典型相关特征构成有效鉴别特征矢量用于识别,并应用其提取人耳人脸的关联特征进行个体的分类识别。实验结果验证了基于KCCA特征融合方法的有效性;此外,与单一的人耳或侧面人脸特征体识别比较,基于人耳和人脸融合的多模态生物特征识别性能得到提高,这为非打扰生物特征识别提供了一条有效的途径。     

基于改进典型相关分析的混沌时间序列预测

典型相关分析是目前常用的研究两个变量集间相关性的统计方法.针对线性典型相关分析法不能揭示变量间非线性关系,因而不适用于混沌系统等问题,将核典型相关分析与径向基函数神经网络相结合,提出了一种改进的核典型相关分析方法以解决映射空间样本未知及逆矩阵求解困难等问题.首先利用两个径向基函数神经网络,通过训练使两个网络输出之间的相关系数达到最大,可同时得到两组典型相关变量.然后建立预测模型,对Lorenz混沌方程及大连月气温与降雨二变量混沌时间序列进行仿真,并与传统的线性回归预测方法进行比较,多组仿真结果证明了所述方法的有效性.     

一个基于相关反馈的神经网络音乐情感分类器构建算法

目的构造音乐情感分类器,为计算机理解情感提供途径。方法首先分析现有音乐情感模型,然后提取音乐情感特征并采用神经网络构造音乐情感分类器,最后采用相关反馈对分类结果进行标注并进一步训练分类器,直至训练样本的错误分类率在一定误差范围内。结果对测试样本进行情感分类,达到了最高89%的分类准确率,实现了音乐情感分类器的构建和音乐片断的情感标注。结论研究成果是音乐情感检索的基础工作,也可用于其他音频的情感识别和分类。     

男西装情感因子空间研究

服装款式复杂多变,而目前服装情感描述大多是定性描述,对各类服装的情感描述词也未进行系统分析.建立服装情感空间是实现计算机对服装图像情感识别及量化评价的重要前提.通过对男西装情感描述词的筛选、投票、初步确定、相关性分析、因子分析等过程进行了研究,最后得出一个2维的男西装情感因子空间,这样每幅图像对应着该因子空间上的2维坐标值,使得在因子空间上定义男西装图像间的情感相似度和对男西装图像按情感相似性进行评估和索引成为可能,为下一步实现男西装图像情感的机器评估和图像情感语义识别、检索奠定了基础.该方法同样可以扩展到其他类别的服装.     

建筑艺术美与音乐艺术美的相关性

文章以建筑艺术欣赏的角度,从建筑艺术与音乐艺术在构筑形态与基本表现形式之间的相关性的特点分析入手,多方位、多视角地分析它们在知觉欣赏、情感欣赏与理性欣赏三者之间的特点;进而提出在建筑欣赏与音乐欣赏以及两者在时空定位上具有的相关性;探讨建筑作为城市的“音符”所具有的宏观形态的音乐旋律美。     

基于认知机制的情感虚拟人交互技术研究

从情绪认知的角度分析情感虚拟人交互的关键技术,包括情绪认知理论、基于维度空间论的情绪量化和情绪评价,提出并建立了一种情感虚拟人情绪认知模型和动态情感模型。该研究有望解决人机交互中的情感认知、评价和交互机制等问题,为新一代的人机交互模式提供理论指导和技术支持。     

音乐情感识别研究进展

首先介绍音乐情感的定义、表示、计算模型和数据集,然后回顾最近几年音频音乐情感识别的研究进展情况,最后提出若干问题及可能的解决方案.     

基于多尺度特征融合的图片情感分布学习

视觉情感分析旨在分析人们对视觉刺激的情感反映,近年来受到了共享平台和网络社交等多媒体视觉数据相关领域的关注.传统的图片情感分析侧重于单标签的情感分类,忽略了图片表达的情感的复杂性和图像潜在的情绪分布信息,不能体现出图片所表达的不同情绪之间的相关性.针对以上问题,首先采用ViT和ResNet网络进行全局和局部融合的多尺度情感特征提取,通过主导情绪分类和标签分布学习进行图片情感识别,充分表征图片的复杂情感.在公开的Flickr_LDL数据集和Twitter_LDL数据集上取得了显著的效果,证明了提出方法的有效性.     

情绪调节内隐态度和无意识目标对消极情绪反应的影响

分别采用阈下范式启动情绪调节内隐态度、句子整理任务启动无意识情绪调节目标,动态考察情绪调节内隐态度和无意识情绪调节目标对情绪反应的影响。结果发现,情绪调节内隐态度存在主效应;无意识目标启动的主效应不存在;有无启动无意识目标与情绪调节内隐态度类型之间不存在交互作用,无论无意识目标有无启动,启动控制型内隐态度的个体降低消极情绪体验,减少自主神经系统活动,产生适应良好的结果;启动表达型内隐态度的个体则升高消极情绪体验,增加自主神经系统活动,产生适应不良的结果。这从一定程度上支持了自动目标追求理论在情绪调节领域的适用性。     

试论歌唱的情感培养

歌唱是一种表达思想、抒发情感的艺术形式,情感是歌唱的灵魂和支柱,在歌唱中占主导地位。深刻而又生动地表达歌曲的思想情感,这是歌唱表现的最终目的。我们在重视对学生演唱技巧训练的同时,还应进一步加强学生音乐情感培养,并把情感培养作为教学中的最终目标,使学生的演唱技巧、审美意识和精神境界达到完全统一。