情感模式

摘要： 青春期是一个非常特殊而又关键的蜕变时期。特殊一因为它是一个“个性化的过程”,需要面对与解决童年冲突、学习控制侵略性、有效脱离父母等问题。这个阶段的孩子个人意识觉醒,祈求独立,渴望能够走出去看世界,形成自己的一套价值观。关键一因为它还是一个“重组过程开始的时期”,是人生的一个转折时期。这个阶段,孩子各方面飞速发展,它是一个大量的忘却、改组、重新学习的时期,比如认知更新,三观建立等,也是成人角色地位的预期社会化时期。这些重组过程会持续到成年,涉及学习新的职业角色、婚姻角色、退休、年老,为后期人生的思维模式、情感模式和行为模式奠定基础。

摘要： 现实生活中,很容易出现的一种情感模式是:自身条件不错的女性,在感情里并没有表现出相应的自信,反而习惯于事事迁就和付出。常听到她们在失望中抱怨:“本以为我的牺牲和付出会让他更加珍惜,没想到却被他一再践踏。”越付出越不快乐“你看看她的照片。”J口中的“她”指的是婚姻中的第三者。照片上的女性看上去40多岁,画着淡妆,长相并不出众,但打扮得体,人显得很精致。

摘要： 法律文化是文化的一种具体形态,它是一个国家、一个民族对法律生活所持有的思想观念、理想人格、情感倾向、行为趋向的总称。出版法律文化是指一个国家、一个民族对于出版权利、义务的价值选择、情感模式和行为模式的总和,是一个国家公民对出版法律的认识、评价以及出版法律传统。它包含两个层面的内容,其一是出版法律实体,即物质性的出版法律文化,包括出版法律制度、法律规范等;其二是出版法律意识,即精神性的出版法律文化,包括诸如出版法律心理、法律习惯、法律认知等。

摘要： 读完《推荐风波》,我将文章内容概括为:一个区三好学生推荐名额引发的家校冲突。初读此文.情感砝码不由得倒向孙老师,他严格按照学校制定的规则评选区三好学生却被家长实名举报“只手遮天”,私下收礼,推选不公。为其抱不平的同时,也不由感慨小敏家长利欲熏心、肆意诬告、蛮横跋扈。但是,重读此文,尽力跳出叙述者的情感模式和思维框架。

摘要： 习惯了在动作电影和科幻片中看到斯嘉丽,当在这部不折不扣的文艺爱情片里,只能听到她的声音却看不到她的影像时,我怀疑走错片场了。由华金·菲尼克斯主演的男主角西奥多,在电影故事里,作为一名信件代写人,他给无数人代写信件,知道无数隐秘的故事,对各种情感模式洞若观火,然而,他却爱上了一个由斯嘉丽声音出演的人工智能机器。

摘要： 汉中石门摩崖石刻群是以山石为载体, 以文字为主体的石刻文献, 其在中国书刻艺术史上地位颇高, 若以文学视角观照, 价值亦不菲, 其石刻文本隶属于"蜀道文学"母题, 因作者多为蜀道功业的亲历者, 较之其他"蜀道文学", 有着独特的宏大格局和深沉的情感体验.文章选取石门石刻文本中极具典型性的"艰险"与"征服"、"豪情"与"忧患"、"消逝"与"永恒"三组精神对峙与平衡的矛盾运动, 逐层分析探寻石门石刻文本的情感模式与审美张力, 体味诸矛盾因素在对抗与化解中所形成的心理落差与平衡, 从而体悟石刻文本与其他"蜀道文学"相异的审美体验和自成一格的文学魅力.

摘要： ＂回归＂是一个永恒的文学母题,它同时也是一个可被多元阐释的主题。那么在陶渊明的这首《归园田居（其一）》中,我们能看出怎样的关于＂归去＂的情感模式呢？首先是或隐或显于文本中的一个＂二元对立＂的价值比较体系。

摘要： 本发明属于脑电信号处理技术领域，公开了一种用于脑电信号情感分析的改进公共空间模式特征提取方法，首先利用小波包变换在时频域分解脑电信号，提取脑电波的gamma节律；然后针对多分类问题，采用一对一策略将公共空间模式从两类模式扩展到多类模式，利用一对一公共空间模式对gamma节律脑电提取特征向量；最后根据特征值的分布特点对特征向量的维数进行选择。本发明在传统公共空间模式的基础上进行了扩展，并将空域滤波技术与时频域分析方法以及特征选择相结合，为基于脑电信号的情绪识别研究提供了一种有效的特征提取算法——公共空间模式，具有重要的理论意义和实用价值。

摘要： 本发明公开了一种串并结合的多模式情感信息融合与识别方法，属于情感识别技术领域。主要包括：情感信号获取；情感信号预处理；情感特征参数提取；特征参数融合与识别；本发明首先将提取的语音信号和面部表情信号特征参数进行融合，获得串行特征向量集，然后通过有放回的抽样获得M个并行的训练样本集，并利用Adaboost算法训练获得各子分类器。再采用双误差异性选择策略来度量两两分类器之间的差异性，最后运用多数投票原则进行投票，得到最终识别结果，实现对高兴、愤怒、惊奇、悲伤和恐惧五种人类基本情感进行识别。该方法充分发挥了决策层融合与特征层融合的优点，使整个情感信息的融合过程更加接近人类情感识别，从而提高了情感识别的准确性。

摘要： 本发明设计了一种特征贡献度差异化脑电数据重构的情感激活模式发掘方法。本发明步骤如下：1、在诱发情感的场景下对多个被试进行脑电数据采集。2、对步骤1所得的脑电数据进行预处理、特征提取及相关数据的准备。3、建立特征贡献度差异化数据重构模型。4、求解并训练步骤3中所建立的模型并在测试数据上得到情感识别结果。5、根据差异化表示因子获得关键频段与关键导联信息即脑电情感激活模式。本方法创新地利用差异化表示因子，提高了脑电情感识别模型的预测精度；同时，可利用其获取脑电情感的激活模式。

摘要： 本发明涉及一种基于分形模式特征生成函数的脑电信号情感识别方法，其中基于分形模式特征生成函数的脑电信号情感识别方法包括：提出了一种新的基于脑电图的自动情感识别方法，该方法具有一种新颖的分形图案特征提取方法，并将其命名为分形Firat图案(FFP)，通过使用FFP和可调Q因子小波变换(TQWT)信号分解技术，提出了一种多级特征生成器，在特征选择阶段，使用了改进的迭代卡方选择器IChi2，以迭代选择最优特征，最后将选出的最优特征在分类器中进行情感识别，分类器为支持向量机(SVM)和k‑最近邻域(k‑NN)分类器。

摘要： 本发明涉及一种学习系统，具体为一种对话聊天模式的人工智能情感陪护背单词学习系统，包括：用户数据输入模块，语料管理模块，单词回复模块；其中：所述用户数据输入模块，用于用户设置个人信息、偏好、单词词库和贡献背单词语料；所述语料管理模块，用于人工智能筛选用户贡献的语料；所述单词回复模块，用于发送背单词语料以及词库中单词信息。所述系统还包括后端消息模块，所述后端消息模块包括：数据存储模块，用于存储用户个人信息、聊天偏好、账户数据、单词数据；消息回复模块，用于挑选合适的语料，回复用户发送的背单词消息；本发明能够帮助用户坚持学习，并与此同时能够带给用户情感上的陪伴与鼓励支持。

摘要： 本发明提供一种基于双深度网络的多模式情感信息融合与识别方法，涉及情感识别技术领域。本发明方法首先用深度信念网络从预处理后的语音情感信号中自动地提取出新的语音情感特征，用深度卷积神经网络从预处理后的面部表情信号中自动地提取出新的面部表情特征，然后将提取的新的语音情感特征和面部表情特征参数进行组合获得组合特征向量，再利用AdaBoost算法和类可靠度来获得最终识别结果，实现对人类基本情感进行识别。该方法充分发挥了深度学习算法和集成学习算法的优点，使整个情感信息的识别过程更加接近人类情感识别，从而提高了情感识别的准确性。

摘要： 本发明提供一种对话聊天模式的人工智能情感陪护系统，包括：用户数据输入模块、语料管理模块、后端消息模块、数据展示模块，所述用用户数据输入模块为用户通过手持设备设置个人信息、聊天偏好、设置账户信息；所述数据展示模块包括账单对话单元，其包括记账聊天、学习聊天、生日祝福聊天、心情聊天、情景聊天、信息提示聊天、AI调教、自由聊天工作模式。本发明以已被大众接受和喜欢的角色为基础、智能生成的、并加以人工美化和调优的材料为媒介的文字、表情包、视频等多媒体信息的对话聊天方式，用以满足众多年轻人的陪伴需求，慰藉丰富的情感和精神的世界。

摘要： 本发明公开了一种情感分析模式匹配方法，采用动态时间弯折的办法来解决线性映射不能反映不同条件下语音段落在时间上的变化，造成识别结果不准确的问题，具体的，通过规整时间函数m＝ω(n),将输入的训练测试模板的时间轴n映射到参考模板的时间轴m上，确保了两模板间在声学上的最大相似度。本发明解决了语音情感识别序列比较时长不等的问题，用来在规定的时间内将参考模板与需要进行识别的模式进行时间上的匹配，得两模板匹配时的最小累计距离，进而提高识别结果的准确度。

摘要： 本发明属于脑电信号处理技术领域，公开了一种用于脑电信号情感分析的改进公共空间模式特征提取方法，首先利用小波包变换在时频域分解脑电信号，提取脑电波的gamma节律；然后针对多分类问题，采用一对一策略将公共空间模式从两类模式扩展到多类模式，利用一对一公共空间模式对gamma节律脑电提取特征向量；最后根据特征值的分布特点对特征向量的维数进行选择。本发明在传统公共空间模式的基础上进行了扩展，并将空域滤波技术与时频域分析方法以及特征选择相结合，为基于脑电信号的情绪识别研究提供了一种有效的特征提取算法——公共空间模式，具有重要的理论意义和实用价值。

摘要： 本发明提供了一种实验性质的适应不同情感模式的驾驶意图辨识方法，包括以下步骤：步骤S1、根据预先确定的情感模式，获取每一种情感模式下目标车的驾驶意图特征数据。步骤S2、根据预先确定的每一种情感模式下驾驶意图特征向量提取规则和每一种情感模式下目标车的驾驶意图特征数据，获取每一种情感模式下驾驶意图特征向量。步骤S3、将每一种情感模式下驾驶意图特征向量输入每一种情感模式下驾驶意图辨识模型，输出每一种情感模式下目标车的驾驶意图，每一种情感模式下驾驶意图辨识模型是根据预先构建的BP神经网络训练得到的；目标车为车辆跟驰状态单元中的后车。提高了汽车驾驶员驾驶意图辨识的准确性和高效性。