-
公开(公告)号：CN101561868A
公开(公告)日：2009-10-21
申请号：CN200910062130.7
申请日：2009-05-19
Applicant: 华中科技大学
Abstract: 基于高斯特征的人体运动情感识别方法，属于计算机模式识别领域，解决现有情感识别方法的识别率偏低、学习识别速度稍慢的问题。本发明包括训练分类器步骤和情感识别步骤：训练分类器步骤顺序包括训练数据采集子步骤、运动分割子步骤、特征提取子步骤和训练子步骤；情感识别步骤顺序包括待测数据采集子步骤、运动分割子步骤、特征提取子步骤和识别子步骤。本发明采用高斯特征描述人体运动，该特征具有描述能力强、特征维度低、有良好的李群结构和能够有效的分析其空间结构等优势；采用基于李群空间的LogitBoost机器学习方法进行多类情感识别，在机器学习过程中充分利用高斯特征的李群结构，训练与识别效率高，实用性更强。
-
Patent Agency Ranking
公开(公告)号：CN101561881B
公开(公告)日：2012-07-04
申请号：CN200910062131.1
申请日：2009-05-19
Applicant: 华中科技大学
Abstract: 人体非程式化运动的情感识别方法，属于计算机模式识别领域，解决现有同类情感识别方法存在的学习速度较慢、识别率偏低的问题。本发明包括建立隐马尔可夫模型步骤和情感识别步骤；建立隐马尔可夫模型步骤又包括训练数据采集子步骤、运动分割子步骤、特征提取子步骤、训练子步骤，建立多种动作类型各种情感的隐马尔可夫模型；情感识别步骤包括数据采集子步骤、运动分割子步骤、特征提取子步骤、识别子步骤，通过所构建的隐马尔可夫模型对待识别人体运动序列进行情感识别和动作类型识别。本发明能更好地展现运动的内在的规律，不仅可以识别情感，还可以识别运动类型，具有较高的识别率，具有较强的实用性和较广泛的用途。
-
公开(公告)号：CN101599271A
公开(公告)日：2009-12-09
申请号：CN200910063035.9
申请日：2009-07-07
Applicant: 华中科技大学
Abstract: 一种数字音乐情感的识别方法，属于计算机模式识别领域，解决现有数字音乐情感识别方法不能针对基于采样的数字音乐格式进行识别的问题，采用基于多类支持向量机分类技术，结合声学特征参数与音乐乐理特征参数，进行数字音乐的情感识别。本发明包括：(1)预处理步骤；(2)特征提取步骤；(3)多类支持向量机训练步骤；(4)识别步骤。本发明将音乐情感分类为：高兴、激动、悲伤、放松四种，针对基于采样的数字音乐格式文件进行情感识别，不仅提取了语音识别领域常见的声学特征，还根据音乐的理论特点，提取了一系列的音乐乐理特征；同时采用了基于支持向量机的分类方法，学习速度快，分类精确率高，提高了识别效率。
-
公开(公告)号：CN101561868B
公开(公告)日：2011-08-10
申请号：CN200910062130.7
申请日：2009-05-19
Applicant: 华中科技大学
Abstract: 基于高斯特征的人体运动情感识别方法，属于计算机模式识别领域，解决现有情感识别方法的识别率偏低、学习识别速度稍慢的问题。本发明包括训练分类器步骤和情感识别步骤：训练分类器步骤顺序包括训练数据采集子步骤、运动分割子步骤、特征提取子步骤和训练子步骤；情感识别步骤顺序包括待测数据采集子步骤、运动分割子步骤、特征提取子步骤和识别子步骤。本发明采用高斯特征描述人体运动，该特征具有描述能力强、特征维度低、有良好的李群结构和能够有效的分析其空间结构等优势；采用基于李群空间的LogitBoost机器学习方法进行多类情感识别，在机器学习过程中充分利用高斯特征的李群结构，训练与识别效率高，实用性更强。
-
公开(公告)号：CN101561881A
公开(公告)日：2009-10-21
申请号：CN200910062131.1
申请日：2009-05-19
Applicant: 华中科技大学
Abstract: 人体非程式化运动的情感识别方法，属于计算机模式识别领域，解决现有同类情感识别方法存在的学习速度较慢、识别率偏低的问题。本发明包括建立隐马尔可夫模型步骤和情感识别步骤；建立隐马尔可夫模型步骤又包括训练数据采集子步骤、运动分割子步骤、特征提取子步骤、训练子步骤，建立多种动作类型各种情感的隐马尔可夫模型；情感识别步骤包括数据采集子步骤、运动分割子步骤、特征提取子步骤、识别子步骤，通过所构建的隐马尔可夫模型对待识别人体运动序列进行情感识别和动作类型识别。本发明能更好地展现运动的内在的规律，不仅可以识别情感，还可以识别运动类型，具有较高的识别率，具有较强的实用性和较广泛的用途。
-
公开(公告)号：CN101599271B
公开(公告)日：2011-09-14
申请号：CN200910063035.9
申请日：2009-07-07
Applicant: 华中科技大学
Abstract: 一种数字音乐情感的识别方法，属于计算机模式识别领域，解决现有数字音乐情感识别方法不能针对基于采样的数字音乐格式进行识别的问题，采用基于多类支持向量机分类技术，结合声学特征参数与音乐乐理特征参数，进行数字音乐的情感识别。本发明包括：(1)预处理步骤；(2)特征提取步骤；(3)多类支持向量机训练步骤；(4)识别步骤。本发明将音乐情感分类为：高兴、激动、悲伤、放松四种，针对基于采样的数字音乐格式文件进行情感识别，不仅提取了语音识别领域常见的声学特征，还根据音乐的理论特点，提取了一系列的音乐乐理特征；同时采用了基于支持向量机的分类方法，学习速度快，分类精确率高，提高了识别效率。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
