论文研究基于深度学习的网络视频弹幕情感分类 .pdf

基于深度学习的人脸识别算法研究，赵学斌，张雷，传统的人脸识别算法主要是基于图像的浅层特征提取，比如LBP、SIFT、HOG等图像特征描述算子，然后进行多种浅层特征融合，PCA降维之后��

社会化媒体提供了海量的、大尺度的异质网络数据,如何对网络数据进行分类是一个亟待解决的新问题。基于潜在社会维模型,提出利用流形学习中的拉普拉斯特征映射算法进行社会维抽取。实验表明,在精确匹配率、微平均、

内含（弹幕抽取过程，情感词打分，中文各种词性分类，django框架运行等）。

视觉情感分析的目的是使用带有主观感情色彩的方式表述图像和视频，并使计算机能够检测和表达这些信息。伴随着社会化媒体的兴盛和充沛训练数据的出现，深度学习之类的技术革命给该领域带来新的机遇和挑战。从视觉情感

基于ZCPA特征的语音情感识别研究，康燕，张雪英，将一种基于听觉模型的ZCPA特征参数引入到语音情感识别的研究中。本文主要讨论了情感语音特征参数的提取、语音情感的分类、语音资��

抽取图像颜色、形状、纹理特征，通过本体映射，建立本体表示的图像情感特征库。以中国情感图片系统作为训练样本，挖掘图像特征与情感之间的关联关系，并通过语义网规则语言SWRL（SemanticWebRule

探索在不同的情感状态下的基音特征变化规律。通过对含有生气、高兴、悲伤情感语音信号进行分析，总结了情感语音基频的变化规律，确定了用于情感识别的12维的基频的基本特征以及扩展特征，运用混合高斯模型进行情感

基于多层区域卷积神经网络的图像情感分类

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

以传统的词袋模型为基础，根据相邻镜头关键帧之间具有相关性的特点提出了一种用于视频场景分类的模型。将视频片段进行分割，提取关键帧，对关键帧图像归一化。将关键帧图像作为图像块以时序关系合成新图像，提取新图