基于神经网络对鼠标移动轨迹的情绪识别

发布时间：2021-12-25 00:34

　　情绪是当今每个人在生活中不可忽视的一部分,所以人们的情绪状态的识别非常重要。针对情绪识别问题,传统的方法主要是对人们的外在行为指标或人们的生理信号进行个体情绪识别研究。但是这些信号的收集过程比较困难,需要志愿者的高度配合或是需要高成本的可穿戴设备进行数据收集。在目前人工智能发展盛况空前的背景下,本文基于神经网络提出了多种对鼠标运动轨迹的情绪识别的方法。对人们在使用计算机时的情绪状态进行识别,具有一定的商业价值。对于互联网企业而言,可以提供令客户更加满意的服务。本文具体研究内容及结果如下:1.在建立数据库时,本文采用的是征集志愿者人为收集的方法。收集到的数据先经Excel软件应用VBA程序做批量处理,之后送入matlab软件中做矩阵变换处理。最后生成规范统一的数据集。2.在构建BP神经网络模型时,本文创新性地采用了积分变换和统计分析两种特征提取方法。经过训练和测试之后统计不同状态下的情绪识别正确率,实验结果表明:对于不同个体的情况,两种方法的结果互有高低,且都有不错的效果。但是在某些极端的情况下,对于个体操作鼠标习惯差异较大时,其结果就显得不尽人意了。这也是后续研究中所需要解决的一大问题... 

【文章来源】：江西财经大学江西省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

生物神经元和人工神经元

图 2-3 Sigmoid 函数曲线d 函数还有非常简洁的导函数，如式 2.2。1 d 函数接收一个实数值，将其映射到 0 到 1 的范围内。Sigm经网络中很受欢迎，部分原因是它很容易微分，从而降低了训

tanh 函数曲线

【参考文献】：
期刊论文
[1]基于深度残差网络的手写体数字识别[J]. 赵朋成,冯玉田,罗涛,雷安琪.  工业控制计算机. 2017(10)
[2]面向可穿戴多模生物信息传感网络的栈式自编码器优化情绪识别[J]. 戴逸翔,王雪,戴鹏,张蔚航,张鹏博.  计算机学报. 2017(08)
[3]双向循环网络中文分词模型[J]. 胡婕,张俊驰.  小型微型计算机系统. 2017(03)
[4]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[5]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.  自动化学报. 2016(09)
[6]基于生理大数据的情绪识别研究进展[J]. 赵国朕,宋金晶,葛燕,刘永进,姚林,文涛.  计算机研究与发展. 2016(01)
[7]卷积神经网络分类模型在模式识别中的新进展[J]. 胡正平,陈俊岭,王蒙,赵淑欢.  燕山大学学报. 2015(04)
[8]基于改进Fisher准则的深度卷积神经网络识别算法[J]. 孙艳丰,齐光磊,胡永利,赵璐.  北京工业大学学报. 2015(06)
[9]中文微博的情绪识别与分类研究[J]. 何跃,邓唯茹,张丹.  情报杂志. 2014(02)
[10]基于脑电的情绪识别研究综述[J]. 聂聃,王晓韡,段若男,吕宝粮.  中国生物医学工程学报. 2012(04)



本文编号：3551478