语音合成系统中波形拼接过渡算法的研究

在现代的汉语语音合成的波形拼接合成方法中,没有考虑前后音节的声学影响,导致在音节连接处出现协同发音的低质合成,这大大降低了合成语音的自然度.为解决这一问题,提出了一个根据汉语语音韵律特征的研究,通过修改音节的韵律特征参数,实现音节之间韵律特征参数波形拼接平滑过渡的算法.实验表明本方法的有效性,其语音合成的自然度更高,对...     

基于SVM线性核函数情感分类模型的建立和研究

通过对流行音乐情感分类方法的分析,结合音乐主旋律的音程差值所占比例的高低,提取音乐的情感信息.并以音程差统计得到的数据为依据,建立基于SVM线性核函数情感分类的数学模型.通过对MIDI音乐文件进行主音轨定位,主旋律识别和乐段分割,结合一对多思想方法构造多分类SVM分类器,从而在SVM线性核函数基础上对流行音乐情感分类进行研究.     

基于自适应同源方差控制的法庭自动说话人识别

提出了自动说话人识别系统得分到法庭证据强度量化值似然比的转换方法. 为了更准确地评估嫌疑人的
统计模型,提出了自适应同源方差控制算法,该算法能自适应地融合来自参考人群和嫌疑人的同源语音得分模型
信息,降低了对嫌疑人数据量大小的需求. 与基本识别系统相比的测试结果表明,使用该算法的识别系统不但具有
更优良的识别性能和可靠性,而且提高了语音证据对判别结论的支持强度.     

基于情感词典和监督学习的中文短评论情感分类

情感分类是当今网络环境下的热门应用之一,其目标在于判断文本内所包含的感情色彩和观点倾向。传统的情感词典分类法在面对长度短、非正式的文本时,会遇到部分文本无法被归入任何一个分类中的问题。为解决这一难题,文章选择将监督学习思想和情感词典结合,使得原本无法分类的文本都能被标注到一个特定分类中。最终,这一方法对中文电影短评论取得了理想的效果,准确率比单纯的情感词典方法有所提高。     

点的情感

《辞海》对“点”的解释是：细小的痕迹。细小最容易遭人忽视，因此长久以来一直没有得到认真地探讨、研究。“点”作为一种独立的形态，似乎已被人们认定为一种平凡、普通的符号而慢慢淡出视域，成了一种可有可无、缺乏情感的符号。但是人们知道，“点”作为一切形态设计的基础，在空间坐标体系中还是具有位置关系的，也正是由于这种客观存在，“点”依然是能够表达特殊情感的语言，即隐藏在该位置关系中的情感语言。在二维空间体系中，一个独立的“点”尽管只是一个常见的符号标识，却肯定与边界以及心点之间保持着位置关系，点与点之间也同样存在着如此的关系，所以这种关系决定了不同的、潜在的情感关系。     

基于CNN-RSC组合优化算法语音情感分析与研究

提出一种基于深度学习的文本情感分析方法,将整个卷积神经网络的模型作为一种自动学习器,对输入词语的预表达特征进行学习,引入深度学习领域的递归自编码作为输出层情感分类器,实现语义情感信息的深度提取.设置实验对比卷积神经网络和递归自编码模型的参数,找出了实验过程的最佳参数组合,实验对比了CNN、RSC、CNN-RSC三种不同的算法.实验结果表明:基于CNN-RSC的组合优化算法在对文本情感特征的自动学习上有着较好的效果,在准确度和训练时间以及分类性能上均优于其他两种算法.     

基于脑电信号深度学习的情感分类

情感脑电研究作为人工智能高级阶段的重要任务,近年来受到越来越多的关注。情感脑电分类广泛应用于人机交互、医学研究等领域。该文以轻量级的卷积神经网络为核心,设计了情感脑电分类模型,以DEAP（dataset for emotion analysis using physiologicalsignals）提供的情感脑电图数据为基础,将其中的观看视频划分为唤醒度和愉悦度2个维度。为了获得频域信息,提取了theta、alpha、beta和gamma波段的功率谱密度特征进行评估,并将功率谱密度矩阵表示为二维灰度图像。然后将该图像输入到卷积神经网络训练分类模型并完成2个维度的分类任务。实验结果表明,与传统机器学习相比,卷积神经网络具有更好的分类效果,唤醒度分类准确率达到了82.33%,愉悦度分类准确率达到了75.46%。     

化学课堂中情感教育的实施

<正>从最根本的涵义来说,情感教育就是教师在教学过程中,在充分考虑认知的同时,充分发挥情感因素的积极作用,以完善教学目标增强教学效果.情感教育是教育过程的一部分,它关注教育过程中学生的态度、情绪、情感以及信念,促进学生的个体发展和整个社会的健康发展,促使他们对学习、生活和周围的一切产生积极的情感体验,提高学生的综合素质[1-2].     

基于国内现存文本语料库规范化的现状研究及改进

当前国内对于文本可视化的研究还停留在初级阶段,存在着许多方法处理文本语料库。随着科学技术的不断发展,网络变得越来越普及,人们可以从网络上获得大量的文本资料信息,本文主要针对如何获取序列化、规范化的汉语的语料库提出了一种新的框架。     

基于MFCC与GFCC混合特征参数的说话人识别

针对说话人识别中单一参数表征不够全面的特点,将抗噪性能一般的传统MFCC参数与鲁棒性更强的GFCC参数相互融合,并结合它们的动态特性构成一种新的混合参数.针对特征参数维数过高造成的冗余,研究了每种特征参数各分量与识别结果的关系,舍弃其中贡献较低的分量以实现特征参数降维的目的,并将混合参数应用于基于高斯混合模型的说话人识别系统.仿真实验表明,该混合特征参数具有更好的识别性能和抗噪性.     

声乐教学中情感的培养

声乐是一门综合艺术，除了要求歌唱者具备一定的声音技巧之外，还要求歌唱者以最真实的情感准确无误地表达歌曲的思想内容。再好的声音，缺少了真实的情感，歌声也是苍白无力的。所以在声乐教学过程中，应加强对学生优良情感的培养，从而使学生在声乐演唱中做到声情并茂。     

基于CNN和Bi-LSTM的脑电波情感分析

针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型.首先将一维数据转换为二维数据,采用CNN提...     

现代服装与情感的融入式研究

<正>不论是从历史的角度来衡量,还是从现代社会的发展来分析,服装一直处于不断求新、求变的状态。不同社会的情感形态必然存在差异性,都会引发服装的变化发展。如魏晋南北朝的服装重自然、唐朝的服装重美饰,展示出不同阶段人们对美的不同感悟。现代社会,不论从服装的功能性角度还是心理学角度,     

基于大脑情感学习的转台逆模型补偿控制

针对传统控制方法难以克服飞行仿真转台伺服系统中存在的摩擦等非线性干扰力矩问题,提出了一种基于大脑情感学习(brain emotional learning, BEL)模型的转台伺服系统复合控制方法. 在传统PI反馈控制器的基础上,设计了基于BEL模型的同结构系统逆模型辨识器和前馈补偿控制器. 通过在线辨识系统逆模型来学习BEL模型的节点权值. 理想转台模型的数值仿真和实际转台伺服系统的实验结果都表明：BEL模型学习能力强,能满足实时控制要求,基于BEL模型的复合控制策略能有效抑制摩擦力矩的影响,提高转台系统的跟踪性能.     

基于FPGA+DSP多目标质心定位系统的研究与实现

提出了适用于多目标的FPGA+DSP质心定位改进算法.该算法首先采用连通域标记算法在FPGA中标记出目标,解出各目标点的质心坐标,再由DSP根据统计结果进行自适应阈值计算.实验结果表明:多目标质心定位系统的检测结果与理论分析基本一致,可满足最高70fps的图像速率,该速率远高于基于单个DSP芯片或者普通计算机的处理速率.     

贝多芬钢琴奏鸣曲艺术性的情感表现

贝多芬创作的32首钢琴奏鸣曲,在西方音乐史上占有极其重要的地位,他的这些作品不仅发展和提高了现代钢琴音乐的表现力,并且其哲理性的思想,传奇性的情感,创新性的形式和蕴含的艺术性,充分体现了极高的美学价值,成为我们后人研究的典范之作。     

重离子反应装置束运线自适应优化控制研究

束运线是ＨＩＲＦＬ（兰州重离子反应装置）的一个重要组成部分,实现ＨＩＲＦＬ束运线的优化控制非常必要。研究了优化控制理论在束运线控制系统的应用,控制过程包括束运线数学模型的建立、参数辨识、一些优化控制设计方法和自适应优化控制的实现技术。     

基于分解的自适应差分进化识别光伏模型参数

为了快速、准确和可靠地识别不同环境条件下光伏模型参数,提出了一种基于分解的改进自适应差分进化（improved adaptive differential evolution with decomposition,IADE-D）算法。在IADE-D中,首先提出了一种未知参数分解技术来降低问题的维度,减少问题的复杂性。然后提出一种改进自适应差分进化算法用于求解分解后的未知参数。为了验证所提算法的有效性,将其用于一种基于单二极管的光伏面板模型参数识别。仿真结果表明,与现有先进算法相比,IADE-D算法在准确性和可靠性上更具有竞争力。因此,可以考虑将IADE-D作为一种有效的光伏模型参数识别方法。     

语文教学中情感教育的渗透

<正>《语文课程标准》中明确"要努力改进课堂教学,整体考虑知识与能力,过程与方法,情感态度与价值观的综合,提倡启发式、讨论式教学",也就是说语文教学中,既要注重知识的传授,能力的培养,也要注重感情的     

融合音频、文本、表情动作的多模态情感识别

针对机器识别人类情感过程中的精度不高、泛化能力不强等问题,提出了一种基于语音、文本和表情动作的3种模态情感识别融合方法。在语音模态中,设计深度波场延拓和改进波动物理模型,模拟长短期记忆（long short-term memory, LSTM）网络的序列信息挖掘过程;在文本模态中,利用含有多头注意力机制的Transformer模型捕捉语义上潜在的情感表达;在表情动作模态中,将提取面部表情和手部动作的序列特征与双向三层含有注意力机制的LSTM模型相结合。最终提出一种多性能指标下的模态融合方案,以实现高精度的、强泛化能力的情感识别。在通用的交互式情感二元运动捕捉语料库IEMOCAP中,将所提出的方法与现有的情感识别算法进行对比,实验结果表明：所提出的算法在单个模态和多个模态中的识别精度均较高,平均精度改善达到16.4%和10.5%,有效提升了人机交互中情感识别的能力。