基于机器学习的吹气交互方法研究

发布时间：2021-09-17 14:57

　　从键盘、鼠标等传统交互方式到多点触控、语音、手势、姿势、眼球跟踪以及脑-机交互等自然交互方式,人机交互技术领域取得了巨大的进展。然而,这些交互方式不一定适用于所有情况。例如,当双手被占用时无法进行鼠标或触摸交互,在嘈杂或不方便使用语音的环境中无法进行语音交互,或肢体障碍的人无法进行语音或眼球跟踪交互等。由于呼吸可以被有意识地控制,呼吸互动的便捷性和可控性使得呼吸是一种可控的简单操作,可用于一些特定的交互情境,在一定程度上可以弥补上述常见交互模式的缺点。因此,呼吸可以被看作是一种辅助于触摸和语音等交互的直接可控的自然交互方式。迄今为止,有些研究将呼吸或者吹气作为一种直接输入的交互控制方式。但是这些研究工作或是需要依赖于特殊的定制设备,或是只能在少数特定的场景中使用,且很少考虑噪音干扰以及个体、设备差异性等问题,因此基于呼吸或者吹气的这种交互方式目前还缺少通用性。为此,本文研究基于吹气的简单、便捷、且直接可控的自然交互方法。该方法仅使用普通的耳机麦克风获得吹气动作的声音波形,不需要昂贵的呼吸信号获取设备,可以便捷地携带、随时随地方便地使用。本文的主要贡献在于将复杂准确的识别算法和简单耳机设... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图２－１支持向量和间隔??

图２－２源域和目标域数据表示??

图２－３暹罗网络模型的结构组成??暹罗网络用来判断两个输入样本是否相似

【参考文献】：
期刊论文
[1]Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究[J]. 张剑,王波.  经济数学. 2017(02)
[2]域自适应学习研究进展[J]. 刘建伟,孙正康,罗雄麟.  自动化学报. 2014(08)

硕士论文
[1]基于卷积神经网络的音乐推荐系统[D]. 何蓉.南京邮电大学 2019



本文编号：3398946