基于计算机视觉的实时干预课堂消极情绪感染方法研究 | |
论文目录 | |
摘要 | 第1-7页 |
abstract | 第7-9页 |
第1章 绪论 | 第13-19页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-17页 |
1.3 本文的主要工作 | 第17-18页 |
1.4 本文的组织结构 | 第18-19页 |
第2章 相关工作研究 | 第19-25页 |
2.1 图像超分辨率 | 第19-21页 |
2.2 分类算法 | 第21-23页 |
2.2.1 K邻近分类算法 | 第21页 |
2.2.2 决策树分类算法 | 第21-22页 |
2.2.3 支持向量机 | 第22页 |
2.2.4 朴素贝叶斯分类算法 | 第22-23页 |
2.2.5 卷积神经网络 | 第23页 |
2.3 情绪感染模型 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第3章 基于WDSR模型的图像超分辨率方法研究 | 第25-34页 |
3.1 基本思想 | 第25-26页 |
3.2 数据集的构建 | 第26-27页 |
3.3 基于WDSR模型的超分辨率模型构建 | 第27-33页 |
3.3.1 WDSR模型 | 第27-30页 |
3.3.2 网络结构 | 第30-31页 |
3.3.3 模型训练与结果展示 | 第31-33页 |
3.4 本章小结 | 第33-34页 |
第4章 基于卷积神经网络的学业情绪识别方法研究 | 第34-44页 |
4.1 基本思想 | 第34-35页 |
4.2 数据集的构建 | 第35-38页 |
4.2.1 Fer2013 数据集 | 第35-36页 |
4.2.2 数据集预处理 | 第36-38页 |
4.2.3 学业情绪分数量化 | 第38页 |
4.3 基于卷积神经网络的学业情绪识别 | 第38-43页 |
4.3.1 卷积神经网络 | 第38-40页 |
4.3.2 神经网络构建 | 第40-41页 |
4.3.3 网络模型训练 | 第41-43页 |
4.3.4 训练结果 | 第43页 |
4.4 本章小结 | 第43-44页 |
第5章 课堂场景中的消极情绪感染模型 | 第44-50页 |
5.1 基本思想 | 第44-45页 |
5.2 消极情绪感染模型构建 | 第45-48页 |
5.2.1 课堂消极情绪感染范围确定 | 第45-47页 |
5.2.2 定位消极情绪感染源 | 第47-48页 |
5.3 本章小结 | 第48-50页 |
第6章 实时干预课堂消极情绪感染系统 | 第50-57页 |
6.1 基本思想 | 第50-51页 |
6.2 系统构建 | 第51-54页 |
6.2.1 系统整体架构 | 第51页 |
6.2.2 系统具体流程 | 第51-54页 |
6.3 系统效果图 | 第54页 |
6.4 实验结果 | 第54-56页 |
6.5 本章小结 | 第56-57页 |
第7章 总结与展望 | 第57-59页 |
7.1 总结 | 第57-58页 |
7.2 展望 | 第58-59页 |
参考文献 | 第59-63页 |
作者简介及科研成果 | 第63-64页 |
致谢 | 第64页 |
本篇论文共64页,点击
这进入下载页面 |
|
Copyright(C) All Rights Reserved |
客服QQ:304386486 |
目录由用户 求学** 提供,作者删除入口请点击这里 |