|
|
|
|
基于深度学习的电网调度员双模态情绪识别研究 |
| |
| 论文目录 |
| |
| 摘要 | 第3-5页 | | ABSTRACT | 第5-6页 | | 第一章 绪论 | 第13-27页 | | 1.1 课题背景及研究意义 | 第13-14页 | | 1.2 情绪识别研究现状 | 第14-17页 | | 1.2.1 情绪分类 | 第14-16页 | | 1.2.2 情绪识别发展现状 | 第16-17页 | | 1.3 基于深度学习技术的情绪识别 | 第17-25页 | | 1.3.1 深度学习 | 第17-19页 | | 1.3.2 基于深度学习的面部表情情绪识别 | 第19-22页 | | 1.3.3 基于深度学习的语音情绪识别 | 第22-25页 | | 1.4 论文的主要内容与章节安排 | 第25-27页 | | 第二章 电网情绪识别系统实验方案设计 | 第27-35页 | | 2.1 基于“人机环”理论的安全事故因素分析 | 第27-28页 | | 2.2 电网调度场景情感识别实验方案 | 第28-32页 | | 2.3 面临的挑战 | 第32-33页 | | 2.4 本章小结 | 第33-35页 | | 第三章 基于深度神经网络的电网调度员表情识别 | 第35-53页 | | 3.1 人脸识别和人脸对齐 | 第35-39页 | | 3.1.1 人脸识别 | 第35-37页 | | 3.1.2 人脸对齐 | 第37-39页 | | 3.2 基于PPDN的电网调度员表情识别 | 第39-45页 | | 3.2.1 PPDN网络原理 | 第39-43页 | | 3.2.2 网络优化 | 第43-44页 | | 3.2.3 PGS反向传播算法 | 第44-45页 | | 3.3 算法分析 | 第45-51页 | | 3.3.1 实验数据采集 | 第45-47页 | | 3.3.2 评价指标 | 第47页 | | 3.3.3 级联训练 | 第47-50页 | | 3.3.4 实验结果分析 | 第50-51页 | | 3.4 本章小结 | 第51-53页 | | 第四章 基于循环神经网络的电网调度员语音情绪识别 | 第53-69页 | | 4.1 音频特征提取 | 第53-57页 | | 4.1.1 时域方面特征 | 第53-54页 | | 4.1.2 频谱特征 | 第54-55页 | | 4.1.3 梅尔频率倒谱系数的分析 | 第55-56页 | | 4.1.4 色度特征 | 第56-57页 | | 4.2 分类网络模型 | 第57-62页 | | 4.2.1 双向长短时记忆网络 | 第57-60页 | | 4.2.2 联结时序分类方法 | 第60-62页 | | 4.3 算法分析 | 第62-68页 | | 4.3.1 数据集 | 第62-63页 | | 4.3.2 预处理 | 第63-65页 | | 4.3.3 评价指标 | 第65-66页 | | 4.3.4 实验结果与分析 | 第66-68页 | | 4.4 本章小结 | 第68-69页 | | 第五章 调度员双模态情绪识别与调度任务关联分析 | 第69-79页 | | 5.1 电网调度场景多任务分类 | 第69-71页 | | 5.2 基于决策层融合的双模态情绪识别 | 第71-75页 | | 5.2.1 多模态融合算法 | 第71-72页 | | 5.2.2 基于决策层的电网数据双模态融合 | 第72-75页 | | 5.3 情绪计算与业务关联 | 第75-78页 | | 5.3.1 滑动窗口计算情绪融合结果 | 第75-76页 | | 5.3.2 与业务关联分析 | 第76-78页 | | 5.4 本章小结 | 第78-79页 | | 第六章 总结与展望 | 第79-83页 | | 6.1 全文总结 | 第79-80页 | | 6.2 工作展望 | 第80-83页 | | 参考文献 | 第83-91页 | | 致谢 | 第91-93页 | | 攻读硕士学位期间已发表或录用的论文 | 第93-95页 | | 攻读硕士学位期间参与的项目 | 第95-97页 |
|
|
|
|
论文编号BS4628783，这篇论文共97页
会员购买按0.35元/页下载，共需支付33.95元。 直接购买按0.5元/页下载，共需要支付48.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务