论文研究基于深度模态融合网络的多模态情感识别 .pdf

采用BP神经网络，把矩形压电振子的各阶振型位移输入到神经网络中进行训练，提取各阶模态的振型特征，可实现矩形压电振子的共振振幅分布和振动模态阶次的非线性映射，以此区分各个模态。仿真实验结果显示，建立的神

本文主要介绍两个用于多模态情感识别的数据集：DEAP和SEED。DEAP数据集记录了32个实验对象观看40个音乐视频时的生理信号，其中包含脑电EEG信号和眼动EOG信号等40个通道，以及三个情感评价：

Multimodal Biometrics Recognition System Based on Fingerprint and Hand Dorsal Vein

针对语音情感的动态特性,利用动态递归Elman神经网络实现语音情感识别系统。通过连接记忆上时刻状态与当前网络一并输入,实现Elman网络模型的状态反馈。基于此设计了语音情感识别系统,该系统能在后台修改

近年来，深度学习中的卷积神经网络已经广泛运用于图像识别领域，它不仅显著提升了识别准确率，同时在特征提取速度方面也优于许多传统方法。针对高速公路环境下的车型识别问题，引入卷积神经网络（CNNs）理论，设

由于大部分建筑物结构健康问题是累积性损害，很难被实时检测到，实际结构和环境噪声的复杂性使得结构健康监测更加困难，并且现有方法在训练模型时需要大量的数据，但实际中对于数据的标记是很复杂的。为克服该问题，

基于多特征融合的人体运动模式识别研究，刘玉琪，孙文生，人体运动模式识别作为一种新型的人机交互方式，正越来越多的被应用于医学、体育、日常检测等多种领域。为了实现更有效的运动模式

一种基于深度约束的瞬态电磁数据的多模态分层跨维方法。该方法通过对多模态数据的层次化分解，实现了数据的全方位分析和挖掘，从而提高了数据的价值和应用潜力。同时，本文还详细描述了该方法的实现过程和实验结果，

针对手背静脉识别过程中的多源异质问题，分别在图像预处理和识别算法上进行改进，提出了自适应手背静脉图像的归一化配准方法，并利用位置信息对SIFT（scale-invariantfeaturetransf

为了提高物体的识别正确率，提出一种基于证据理论融合多特征的物体识别算法。提取物体图像的颜色直方图和尺度不变特征，采用极限学习机建立相应的图像分类器，根据单一特征的识别结果构建概率分配函数，并采用证据理