导读:本文包含了情感内容识别论文开题报告文献综述及选题提纲参考文献，主要关键词:男T恤图像,情感语义,支持向量机,图像识别和检索
情感内容识别论文文献综述
张晓萌[1]（2018）在《基于内容的男T恤图像情感语义识别和检索》一文中研究指出目前,计算机技术迅速发展,愈来愈多的图像出现在人类的视野中,图像识别技术成为识别领域中一个重要的探究目标。对图像情感语义层面进行数据挖掘与知识发现,一直以来受到业内的关注,怎样正确识别图像包含的情感信息,在技术上也是一个具有挑战性的工作。利用计算机技术实现图像识别,已经上升到情感语义层次。基于人类视觉的图像情感语义分析是主观的,因此实现图像情感语义分析需要借鉴心理学、图像处理以及模式识别等多领域理论和技术。基于情感语义的图像识别是实现图像情感检索的重要研究内容,服装图像作为图像的一种,以基于视觉特征提取的情感语义分析来实现图像情感语义识别和检索,是本文的主要研究内容。前期经过对男T恤图像情感语义描述的主观评价投票,确定男T恤图像情感语义描述的常用8对描述词,随后通过被测者对每张男T恤图像的8对情感词描述值进行投票,一定数量被测者投票后,可计算并统计每张图像的情感描述词得分的平均值;然后使用因子分析方法,建立了以3个互相独立的因子向量组成的图像情感语义空间。对男T恤的情感因子与其低层特征之间的关联关系进行分析,在HSV颜色空间下处理男T恤图像,得出可用11维特征(10维饱和度-冷暖模糊直方图加1维的彩色对比度)表征第1个因子的情感语义;可用257维(256维的灰度直方图加1维彩色对比度)来表征第2个因子的情感语义;因子3用4维(3维的Tamura纹理特征提取算法的要素参数加1维平均色调)特征来表征第3个因子的情感语义。最后利用支持向量机(SVM)建立了3个情感因子和图像低层特征之间的映射关系模型,可自动的根据男T恤图像的低层特征计算其3个情感因子值,进而算出其8对情感语义描述值,实现了男T恤图像的情感语义识别;根据男T恤图像的3个情感因子向量,利用相似度度量算法,实现了基于内容的男T恤图像情感语义检索。在实验阶段,获得了较好的识别和检索效果。本课题结合服装领域知识和情感心理学等相关知识,找到了男T恤图像情感语义描述值和其低层特征之间的关联关系。通过本课题的研究表明:针对专业领域的图像,结合领域知识有助于实现基于内容的情感语义识别和检索。对基于内容的男T恤图像情感语义识别和检索课题进行研究,研究成果可应用于男T恤的评价、设计、电商等方面,具有一定的应用价值。(本文来源于《北京服装学院》期刊2018-12-01）
廖君华,刘自强,白如江,陈军营[2]（2018）在《基于引文内容分析的引用情感识别研究》一文中研究指出[目的 /意义]针对自动识别论文引用情感问题,提出一种基于引文内容分析的识别方法并进行可视化展示,克服基于简单引用频次计量无法区分不同引用情感的问题。[方法 /过程]首先,利用正则表达式抽取出论文全文中的引文内容信息;然后,利用TF-IDF算法筛选出引用情感特征词,结合情感词典,利用情感分析技术对引文内容进行引用情感识别;最后,利用可视化工具展示出引用情感整体分布情况。[结果 /结论]该方法能够有效识别出抗衰老领域论文数据集中引用情感情况。实验结果显示,该领域正面引用占总引用次数的21%,中立引用占总引用次数的78%,负面引用仅占总引用次数的1%。与传统引文网络相比较,基于引用情感的可视化图谱可以有效识别出不同引用情感在整体数据集合上的分布情况。(本文来源于《图书情报工作》期刊2018年15期）
李蔚[3]（2012）在《MV音乐视频的情感内容识别研究》一文中研究指出近年来，随着计算机网络技术和数字媒体处理技术的发展，数字化视频、图像、音频的数据量越来越庞大，其应用越来越普及。基于媒体信息语义内容的组织分类检索成为现在迫切需要解决的问题。但是，由于文化背景等差异，每个人对视听觉媒体的评判标准和感官存在着差异，特别是对媒体情感语义的理解。因此，情感认知识别的研究对于提升数字媒体的标注、检索以及数字娱乐产品的情感交互能力具有重要意义。情感是视频、图像的特征之一，是音乐的本质特征。本文以音乐视频媒体作为研究对象，从个人的情感认知角度出发，基于机器学习的方法用音乐视频的视听觉特征识别个性化情感内容，来弥合视听觉低层特征和人类情感高层语义之间的语义鸿沟。着重研究音乐视频训练集的构造与标注、情感模型与情感子空间的建立、视听特征及音乐乐理特征的提取、音乐视频个人情感识别以及音乐视频摘要的建立等。本文主要研究工作和创新点包括：1）用户音乐视频个性化情感子空间的建立。音乐视频是一种与个人情感偏好有很大关联的视听媒体，为了有效的表征个人情感，本文提出了可以表达个人离散和连续情感的诱力（Arousal）–激励（Valence）–偏好（Preference）心理学模型，采用了心理学反应量表（李克特量表，Likert scale）来标记情感值。为了更好的表现个人的个性化情感空间，采用有限学生t分布参数混合的KL模糊C均值聚类（Finite Mixture of student’s factoranalyzer with the Kuiiback-Leibler Fuzzy c-means,MSFA-KLFCM）来划分情感子空间，引用学生t分布混合模型（t-distribution mixture model,TMM）来估计情感子空间的隶属度，并确定划分的个性化情感子空间的有效性。实验结果表明，情感子空间的划分能够有效表示个体对音乐视频的个性化情感。2）音乐视频视听特征的提取。音乐视频的情感识别是基于其特有的视听觉特征。音乐是一种特殊的感性载体，音乐更是人类情感的表现，本文从音乐的乐理知识与音乐心理学出发，设计选择了一组情感视听特征。和弦作为高级的乐理特征能很好的表达音乐的情感，为此特别引入了高级乐理特征和弦直方图，并提出了新的和弦识别方法，即基于谐振时频图像（Resonator Time-Frequncy Image，RTFI）分析音乐时频的谱特性。同时根据和弦的泛音特性提出一种新的显着色度矢量特征，通过和弦模板期望最大的方法提取和弦。本文引入节拍特征进行后处理以提高识别的准确性。对比实验表明，该算法具有更加的识别准确性和鲁棒性。3）基于局部多核回归算法的个性情感识别。音乐视频的音频数据具有时间动态性，本文提出了提取音乐（梅尔倒谱、色度谱）的动态纹理模型，捕捉音乐特征的表征性和动态性。将整个音乐视为一个线性动态系统，用动态纹理的系统袋直方图来表示音乐的新特征用于音乐视频的情感识别。为了识别音乐视频的个性化情感内容，根据音乐视频的视觉特征和听觉特征的不同，提出采用局部多核回归（Localized Multiple Kernel Regression,LMKR）的方法识别个性化音乐情感的情感值。实验结果表明，结合系统袋直方图和和弦特征能够更有效地表示和识别个性化音乐视频的情感内容。4）基于图像视觉复杂度的音乐视频摘要的生成算法。本文针对音乐视频提出了一种基于视觉图像复杂度的提取关键帧生成静态视频摘要算法。首先对音乐视频进行子镜头分割检测；然后以镜头为基本单位，以图像视觉复杂度作为相似性机制来提取候选关键帧；最后基于镜头单位存在着信息的冗余，采用分层模糊C均值聚类算法对候选关键帧进行聚类，去除冗余的信息，按原有的时间顺序排列生成视频摘要。采用TRECVID客观评价标准对视频摘要进行评价。实验结果表明，使用本文视频摘要算法生成的视频摘要具有良好的压缩率、保真度、重构度。本文的研究工作是基于用户对音乐视频情感认知的应用需求而展开的，研究了音乐视频的视听觉特征与用户的情感之间的映射关系，从而可帮助用户在大量的视听媒体中更好地获取他们感兴趣的，且符合他们情感状态的音乐视频。同时，本文就音乐视频情感认知的研究成果，也为数字新媒体情感认知识别的研究与应用提供了新的思路与方法。(本文来源于《上海大学》期刊2012-12-01）
闫乐林,温向明,郑伟,张良[4]（2011）在《基于未确知测度的视频情感内容识别》一文中研究指出为有效识别视频情感的内容,基于未确知数学理论,建立了视频低层特征和高层认知情感之间的联系,提出了一种基于未确知测度的新算法.首先,选取能反映情感变化的场景亮度、镜头切变率和色调效能作为视频情感低层特征,介绍了每种情感特征的数据提取方法,并由此构建了视频情感特征向量.其次,构造了视频场景的未确知对象空间和指标空间,并给出了量化用的场景亮度、镜头切变率和色调效能未确知测度函数,建立了未确知测度矩阵.最后,采用信息熵确定3个情感特征的权值,用置信度识别准则对视频场景的情感类型进行判定.实验结果验证了该方法的可行性和有效性.(本文来源于《东南大学学报(自然科学版)》期刊2011年03期）
闫乐林,冯希叶[5]（2011）在《一种基于内容的视频情感类型识别算法》一文中研究指出提出了一种新的视频语义分析算法,着重对情感内容识别进行了研究。算法考虑了人的认知行为具有模糊性和不确定性的特点,融合了未确知数学理论,建立了视频低层特征和情感类型之间的关系模型。视频低层情感特征提取部分,详细介绍了特征选取的依据和具体方法。视频情感类型判定部分,描述了未确知情感测度矩阵的构建和情感类型判定方法。实验结果表明,该算法是有效的、可行的。(本文来源于《计算机系统应用》期刊2011年03期）
孙凯,于俊清[6]（2010）在《面向观众的个性化电影情感内容表示与识别》一文中研究指出为了合理地表示和自动识别电影情感内容,解决电影情感语义理解中存在的"情感鸿沟"难题,提出一种面向观众的个性化电影情感空间建模方法.采用模糊c-均值聚类算法划分诱力-激励情感空间,并利用高斯混合模型定义划分得到的模糊情感子空间的情感隶属度函数,使得模糊情感子空间的中心、边界、形状和密度可以真实地反映观众欣赏视频节目时的个性化信息;设计并提取了2组电影情感特征向量,采用多层感知机和多元线性回归计算它们的情感坐标.基于情感坐标和情感隶属度函数引入"最大隶属原则"和"阈值原则",以便表示和识别观众观影过程中的个性化情感体验.实验结果表明,该方法能够有效地表示和识别个性化电影情感内容.(本文来源于《计算机辅助设计与图形学学报》期刊2010年01期）
孙凯[7]（2009）在《面向观众的电影情感内容表示与识别方法研究》一文中研究指出随着数字音视频数据的爆炸性增长，从这些非结构化数据中自动提取富含语义的内容成为当前面临的一项挑战，由此引发的相关研究热潮催生了基于内容视频检索(CBVR)这一研究课题。视频情感内容是人们理解视频内容时的一个重要但是经常被研究者忽略的因素。作为CBVR研究领域中的一个新兴研究方向，视频情感计算可以利用CBVR和情感计算的相关理论理解视频情感内容。但是，由于人类情感与低层特征之间存在较大的“情感鸿沟”，目前仍然缺乏一个统一的理论框架用于视频情感内容理解。在此背景下，以电影视频作为研究对象提出一种面向观众的电影视频情感内容表示与识别方法。为了有效表示电影视频的情感内容同时反映观众的个性情感特征，提出一种面向观众的电影情感空间建模方法。通过引入典型模糊情感子空间的概念，该模型可以统一离散和连续两大流派的心理学情感模型。模型采用模糊C-均值聚类算法划分情感空间，利用高斯混合模型确定划分出的典型模糊情感子空间的情感隶属度函数。该电影情感空间可以反映观众的个性化情感体验，能够在情感空间中定义典型情感状态区域，并且能够方便地计算各种情感状态的情感强度。实验结果验证了建模方法的有效性，并且表明该电影情感空间可以面向观众地表示电影情感内容。为了在低级特征与电影情感内容之间存在的“情感鸿沟”之上架起桥梁，依照情绪心理学和电影创作的相关理论，设计、提取和选择了一组电影情感特征。利用Whitney特征选择算法选择出两组电影情感特征向量，其中一组用于描述情感诱力，另一组用于描述情感激励。实验结果表明，提出的电影情感特征向量在区分情感诱力和激励的正负时优于现有研究结果。为了有效检测电影情感内容，提出一种基于激励曲线和电影情感树的多级电影视频摘要生成算法。基于此算法，可以从原始影片中检测出情感语义较为显着的部分。激励曲线是一种可以用来度量电影观众情绪兴奋度随电影情感内容起伏变化的曲线。首先利用激励曲线定位不同情感粒度的电影情感单元，然后将这些情感单元按情感粒度大小逐级组织起来即可生成电影情感树。电影情感树的每层节点都对应着原始电影的一个电影视频摘要。为了识别电影视频摘要中各情感单元的情感内容，研究中提出两种情感识别方法：基于基因-隐马尔可夫联合模型(GA-HMM)的情感内容识别方法和基于情感空间的情感内容识别方法。GA-HMM情感识别器可以用于识别观众的基本情感事件。实验结果表明与传统的隐马尔可夫模型相比，GA-HMM可以在减小计算量的同时获得更高的情感识别率。基于情感空间的情感内容识别方法采用多层感知机和多元线性回归计算电影情感单元的情感坐标。基于电影情感单元的情感坐标和电影情感空间的情感隶属度函数，该方法提出“最大隶属原则”和“阈值原则”，用来表示和识别观众观影过程中的个性化情感体验。实验结果表明，该方法能够有效地表示和识别个性化电影情感内容。电影情感内容表示与识别需要研究的问题还很多。在电影情感空间建模方面，现有的建模方法完全依赖观众自己标注的情感评价数据建模，给用户带来的负担较重，如何利用已有的其他用户的情感数据为一个新用户服务是未来的一个研究重点。由于人类情感与视觉和听觉之间的内在联系尚不明朗，现有的电影情感特征向量在区分情感诱力正负时的识别精度还不够理想，必须进一步结合领域知识设计更加合理的情感特征向量。此外，建立面向观众的电影情感空间时考虑的观众群还比较有限。为了能够更准确地描述观众的个性情感信息，在今后的研究中还需要进一步扩大采集情感信息的观众群。(本文来源于《华中科技大学》期刊2009-05-01）
情感内容识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
[目的 /意义]针对自动识别论文引用情感问题,提出一种基于引文内容分析的识别方法并进行可视化展示,克服基于简单引用频次计量无法区分不同引用情感的问题。[方法 /过程]首先,利用正则表达式抽取出论文全文中的引文内容信息;然后,利用TF-IDF算法筛选出引用情感特征词,结合情感词典,利用情感分析技术对引文内容进行引用情感识别;最后,利用可视化工具展示出引用情感整体分布情况。[结果 /结论]该方法能够有效识别出抗衰老领域论文数据集中引用情感情况。实验结果显示,该领域正面引用占总引用次数的21%,中立引用占总引用次数的78%,负面引用仅占总引用次数的1%。与传统引文网络相比较,基于引用情感的可视化图谱可以有效识别出不同引用情感在整体数据集合上的分布情况。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
情感内容识别论文参考文献
[1].张晓萌.基于内容的男T恤图像情感语义识别和检索[D].北京服装学院.2018
[2].廖君华,刘自强,白如江,陈军营.基于引文内容分析的引用情感识别研究[J].图书情报工作.2018
[3].李蔚.MV音乐视频的情感内容识别研究[D].上海大学.2012
[4].闫乐林,温向明,郑伟,张良.基于未确知测度的视频情感内容识别[J].东南大学学报(自然科学版).2011
[5].闫乐林,冯希叶.一种基于内容的视频情感类型识别算法[J].计算机系统应用.2011
[6].孙凯,于俊清.面向观众的个性化电影情感内容表示与识别[J].计算机辅助设计与图形学学报.2010
[7].孙凯.面向观众的电影情感内容表示与识别方法研究[D].华中科技大学.2009