基于概率神經(jīng)網(wǎng)絡(luò)的圖像細粒度情感分類.pdf

1、情感計算是一種通過賦予計算機更高的、更全面的、更智能的能力來構(gòu)建人機和諧環(huán)境的計算機技術(shù)。計算機要想與人能夠進行更好的情感交互，必須擁有一套完整的計算機視覺系統(tǒng)。而圖像作為視覺感知的重要表現(xiàn)形式，圖像情感計算亦成為情感計算的重要組成部分。
　　圖像情感分類作為一種高層語義分類，其始于基于內(nèi)容的圖像檢索研究。早期的圖像研究只是依據(jù)圖像的低層視覺特征來構(gòu)建特征向量索引，從而提高圖像的檢索效率和準確度。但是這種檢索技術(shù)因僅僅考慮到圖像的

2、低層次視覺特征，忽略了情感要素，忽略了低層特征和高層語義間的“語義鴻溝”，使得檢索的效果并不理想。因此如何有效彌補這層“語義鴻溝”，建立合理的情感映射機制，是實現(xiàn)圖像情感分類的關(guān)鍵。
　　本文在閱讀大量文獻資料的基礎(chǔ)上，在基于微博或微信朋友圈的大背景下，提出了一種新的情感映射機制，并對圖像特征提取技術(shù)和圖像分類算法進行了深入研究。
　　首先通過比較不同的圖像特征會對人類的情感產(chǎn)生怎樣的影響，并結(jié)合心理學(xué)、認知學(xué)相關(guān)理論，從圖

3、像中選擇出最能反映情感元素的特征，并以此構(gòu)建特征向量空間。其次通過對文本情感分析技術(shù)的深入研究，提出了一種改進的貝葉斯增量學(xué)習算法—在增量學(xué)習的樣本序列選擇上，通過引入配對樣本檢驗和類支持度的知識，分別從橫向和縱向角度充分利用先驗知識來選取最優(yōu)增量子集來優(yōu)化分類器。該算法能夠很好地解決訓(xùn)練集規(guī)模小、無法充分利用先驗知識和噪聲數(shù)據(jù)不斷傳播等問題，提高了文本情感分類的精確度。最后通過從文本中提取的情感元素作為圖像的情感標簽，建立了圖像低層視