首页 / 国际专利分类库 / 电学 / 基本电气元件 / 电开关;继电器;选择器;紧急保护装置 / 触点操作机构 / .操作件,即对开关施以机械外力来操作驱动机构 / ..按钮开关 / 一种交互性能良好的多级调节开关

一种交互性能良好的多级调节开关
申请号 CN201610625285.7 申请日 2016-07-30 公开(公告)号 CN106298300A 公开(公告)日 2017-01-04
申请人 杨超坤; 发明人 不公告发明人;
摘要 本 发明 提供了一种交互性能良好的多级调节 开关 ，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：壳体、按钮、多组导电片、旋转件和第一弹性件。本发明的多级调节开关可实现逐次单极调节。
权利要求

1.一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
2.根据权利要求1所述的一种交互性能良好的多级调节开关，其特征是，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
3.根据权利要求2所述的一种交互性能良好的多级调节开关，其特征是，该第二弹性件为弹簧。
说明书全文

一种交互性能良好的多级调节开关

技术领域

[0001] 本发明涉及开关领域，具体涉及一种交互性能良好的多级调节开关。

背景技术

[0002] 多级调节开关普遍应用于电子和电器设备，用于对设备的某一参数进行量的调节。现有的多级调节开关一般为旋钮，该旋钮可分为若干级，例如1、2、3、4级，分别对应旋钮的不同旋转位置，并分别对应设备的被调节参数的不同量级。该旋钮存在的一个问题是当调节时，旋钮很可能一次跳过过多的量级，例如，直接从1级跳到4级，使得被调节参数的量的变化过快，导致设备不能适应，从而损害设备。
[0003] 情感在人们相互交际过程中起着极其重要的作用。借助情感表达所伴随着的外在表现信息，如情感化的语音信号或面部表情，人们可以很方便地相互沟通、相互了解。对于人类情感方面的研究，一直是生理学、神经学、心理学等领域的重要研究方向，近几年来倍受工程领域研究者的关注。当前，对于单模态情感研究较多，但是对于多模态情感融合的研究较为有限。

发明内容

[0004] 针对上述问题，本发明提供一种交互性能良好的多级调节开关。
[0005] 本发明的目的采用以下技术方案来实现：
[0006] 一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
[0007] 壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
[0008] 按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
[0009] 多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
[0010] 旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
[0011] 第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
[0012] 优选地，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
[0013] 优选地，该第二弹性件为弹簧。
[0014] 本发明的有益效果为：实现了开关逐次单极调节。附图说明
[0015] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0016] 图1是本发明多级调节开关的结构示意图；
[0017] 图2是本发明情感控制系统的结构示意图。
[0018] 附图标记：
[0019] 语音情感识别处理模块1、表情情感识别处理模块2、多模态情感融合识别处理模块3、控制模块4、声学特征提取子模块11、声学特征降维子模块12、语音情感分类处理子模块13、表情特征提取子模块21、表情特征降维子模块22、表情情感分类处理子模块23。

具体实施方式

[0020] 结合以下实施例对本发明作进一步描述。
[0021] 应用场景1
[0022] 参见图1、图2，本应用场景中的一个具体实施例一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
[0023] 壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
[0024] 按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
[0025] 多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
[0026] 旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
[0027] 第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
[0028] 优选地，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
[0029] 本优选实施例实现了开关逐次单极调节。
[0030] 优选地，该第二弹性件为弹簧。
[0031] 本优选实施例控制更为灵敏。
[0032] 优选地，所述情感控制系统包括语音情感识别处理模块1、表情情感识别处理模块2、多模态情感融合识别处理模块3和控制模块4：
[0033] (1)语音情感识别处理模块1，用于获取用户的语音信号，并对语音信号进行处理，最终输出语音情感识别结果，其包括声学特征提取子模块11、声学特征降维子模块12和语音情感分类处理子模块13；所述声学特征提取子模块11用于提取声学特征数据；所述声学特征降维子模块12用于采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理；所述语音情感分类处理子模块13用于采用已训练好的支持向量机作为语音情感识别分类器，对降维后的声学特征数据进行情感识别并输出语音情感识别结果，支持向量机的核函数采用高斯核函数；
[0034] (2)表情情感识别处理模块2，用于获取用户的表情图像，并对表情图像特征进行处理，最终生成表情情感识别结果，其包括表情特征提取子模块21、表情特征降维子模块22和表情情感分类处理子模块23；所述表情特征提取子模块21用于采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取；所述表情特征降维子模块22用于采用所述改进的局部线性嵌入方法对所述表情特征数据进行降维处理，并采用形态学处理方法做滤波处理；所述表情情感分类处理子模块23用于采用已训练好的稀疏分类器作为表情情感识别分类器，对降维、滤波处理后的表情特征数据进行情感识别并输出表情情感识别结果；
[0035] (3)多模态情感融合识别处理模块3，用于基于所述语音情感识别结果和表情情感识别结果，根据预定的多模态情感融合策略生成用户情感识别结果；
[0036] (4)控制模块，用于根据所述用户情感识别结果，在验证用户身份的前提下控制多级调节开关执行相应的操作。
[0037] 本优选实施例设置多模态情感融合识别处理模块3，基于所述语音情感识别结果和表情情感识别结果，增强了识别结果的可靠性。
[0038] 优选地，所述用户情感识别结果包括高级别和低级别的褒义情感，中性情感以及高级别和低级别的贬义情感组成的5个级别情感类型。
[0039] 所述在验证用户身份的前提下控制多级调节开关执行相应的操作，具体为：所述控制模块基于预先设置的语音特征数据库，匹配所述用户的语音信号的语音特征，从而进行用户身份验证，若验证通过，控制模块控制多级调节开关执行相应的操作。
[0040] 所述采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理，包括：
[0041] (1)将提取的声学特征数据中的声学特征向量看成是高维空间中的样本数据点，设M维的N个样本数据点为Xi，Xi∈RM，i∈[1，N]，类别号为Ci，嵌入输出的N个m维的降维数据点为Yi，Yi∈Rm，i∈[1，N]，m≤M，且m值的范围为[2,20]，对每个样本数据点Xi确定其邻域点的数目K，邻域点的距离公式为：
[0042]
[0043] 式中，L′是结合样本数据点类别信息计算后的距离，L是忽略样本数据点类别信息的原始欧氏距离，参数λ用来防止L过快增长，max(L)表示最大欧氏距离，min(L)表示最小欧式距离，常数因子δ1、δ2(0≤δ1、δ2≤1)，共同控制距离计算时样本数据点类别信息的结合数量程度；
[0044] (2)利用每个样本数据点Xi的邻域点计算出样本数据点的局部重建权值矩阵Wij，要求最小化下列损失函数：
[0045]
[0046] 式中，Wij为Xi与Xj之间的权值，且需满足 对Xi的非邻域点，Wij＝0；
[0047] (3)计算各样本数据点Xi的K个邻域点的权重之和：
[0048]
[0049] 其中，
[0050]
[0051] 式中，Zij为各邻域点之间的加权矩阵，d(Xi,Xj)表示样本数据点间的Fisher投影距离，ξ为可调参数；
[0052] (4)利用该样本数据点的局部重建权值矩阵Wij以及其邻域点计算出该样本数据点的输出值，具体是将所有的样本数据点Xi映射嵌入到低维空间中，并使得低维重构的误差达到最小，要求最小化下列损失函数：
[0053]
[0054] 式中，需满足 其中构建一个稀疏矩阵M＝(I-W)T(I-W)，通过求解这个稀疏矩阵的前m个最小的非零特征值所对应的特征向量作为样本数据点Xi的嵌入输出值。
[0055] 所述自适应二维Gabor小波变换方法中的Gabor滤波器的核函数定义为：
[0056]
[0057] 式中，α、β分别表示核函数的方向和频率大小，α、β按照按如下方法设置：当表情图像质量较好时，选取三个中心频率β＝{0，1，2}和六个方向α＝{0，1，…，5}组成的18个Gabor滤波器用于特征提取；当表情图像受到腐蚀、遮挡时，选取四个中心频率β＝{0，1…，3}和八个方向α＝{0，1，…，7}组成的32个Gabor滤波器用于特征提取；
[0058] σ表示采用高斯函数窗口的大小，用来决定滤波器的带宽，σ能够根据参数设置进行自适应调整：将表情图像分成v×v子块，根据每个子块特征数目选择σ，特征数目大的子块设定σ＝π，特征数目少的子块设定σ＝2π；
[0059] kα,β为小波矢量， 其中，kβ和 分别表示Gabor滤波器在频率和方向空间的采样方式。
[0060] 所述预定的多模态情感融合策略为：
[0061] 设已经计算出一个测试样本x对于c类的分类情况下，采用n个分类器进行分类得到的后验概率集合为{pij(x)，i＝1,2,…,n,j＝1,2,…,c}，对n个分类器取得的后验概率按照方差规则集成得到一个新的后验概率集合{qj(x)，j＝1,2,…,c}，从中按照预定的挑选规则挑选出合适的后验概率值所对应的类别作为要输出的用户情感识别结果；
[0062] 对于j类测试样本，按照方差规则获得的新的后验概率qj(x)可表示为：
[0063]
[0064] 式中，
[0065]
[0066] 对于j类测试样本，最终所获得的识别类别可表示为：
[0067] ρ(x)＝argmaxj(qj(x))
[0068] 其中，所述预定的挑选规则为：将所述新的后验概率集合中的后验概率值按照从大到小顺序进行排列的前3个后验概率值为qj(x)max,qj(x)max-1,qj(x)max-2，若选择qj(x)max作为合适的后验概率值，否则选择qj(x)max-1作为合适的后验概率值,其中Qq为设定的后验概率权值，取值范围为[1.4,1.6]。
[0069] 本优选实施例设置改进的局部线性嵌入方法，需要确定的参数比较少，只有邻域数k和输出维数d，大大减少了运算量，且可以学习出任意维数的低维流形，提高了识别速度；采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取，具有旋转、平移以及伸缩变换条件下不变的性质，而且能得到一个解析的全局最优解；在声学特征降维子模块12对声学特征数据进行降维处理的过程中，计算各样本数据点Xi的K个邻域点的权重之和，并将其考虑到低维重构的损失函数中，降低了噪声的影响和数据样本外点对降维的干扰，进一步提高了情感识别的精度；设置预定的多模态情感融合策略，并根据多模态情感融合策略生成用户情感识别结果，使识别结果更加可靠准确。
[0070] 本应用场景设定后验概率权值为Qq＝1.4，识别精度相对提高了12％。
[0071] 应用场景2
[0072] 参见图1、图2，本应用场景中的一个具体实施例一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
[0073] 壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
[0074] 按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
[0075] 多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
[0076] 旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
[0077] 第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
[0078] 优选地，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
[0079] 本优选实施例实现了开关逐次单极调节。
[0080] 优选地，该第二弹性件为弹簧。
[0081] 本优选实施例控制更为灵敏。
[0082] 优选地，所述情感控制系统包括语音情感识别处理模块1、表情情感识别处理模块2、多模态情感融合识别处理模块3和控制模块4：
[0083] (1)语音情感识别处理模块1，用于获取用户的语音信号，并对语音信号进行处理，最终输出语音情感识别结果，其包括声学特征提取子模块11、声学特征降维子模块12和语音情感分类处理子模块13；所述声学特征提取子模块11用于提取声学特征数据；所述声学特征降维子模块12用于采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理；所述语音情感分类处理子模块13用于采用已训练好的支持向量机作为语音情感识别分类器，对降维后的声学特征数据进行情感识别并输出语音情感识别结果，支持向量机的核函数采用高斯核函数；
[0084] (2)表情情感识别处理模块2，用于获取用户的表情图像，并对表情图像特征进行处理，最终生成表情情感识别结果，其包括表情特征提取子模块21、表情特征降维子模块22和表情情感分类处理子模块23；所述表情特征提取子模块21用于采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取；所述表情特征降维子模块22用于采用所述改进的局部线性嵌入方法对所述表情特征数据进行降维处理，并采用形态学处理方法做滤波处理；所述表情情感分类处理子模块23用于采用已训练好的稀疏分类器作为表情情感识别分类器，对降维、滤波处理后的表情特征数据进行情感识别并输出表情情感识别结果；
[0085] (3)多模态情感融合识别处理模块3，用于基于所述语音情感识别结果和表情情感识别结果，根据预定的多模态情感融合策略生成用户情感识别结果；
[0086] (4)控制模块，用于根据所述用户情感识别结果，在验证用户身份的前提下控制多级调节开关执行相应的操作。
[0087] 本优选实施例设置多模态情感融合识别处理模块3，基于所述语音情感识别结果和表情情感识别结果，增强了识别结果的可靠性。
[0088] 优选地，所述用户情感识别结果包括高级别和低级别的褒义情感，中性情感以及高级别和低级别的贬义情感组成的5个级别情感类型。
[0089] 所述在验证用户身份的前提下控制多级调节开关执行相应的操作，具体为：所述控制模块基于预先设置的语音特征数据库，匹配所述用户的语音信号的语音特征，从而进行用户身份验证，若验证通过，控制模块控制多级调节开关执行相应的操作。
[0090] 所述采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理，包括：
[0091] (1)将提取的声学特征数据中的声学特征向量看成是高维空间中的样本数据点，设M维的N个样本数据点为Xi，Xi∈RM，i∈[1，N]，类别号为Ci，嵌入输出的N个m维的降维数据m点为Yi，Yi∈R ，i∈[1，N]，m≤M，且m值的范围为[2,20]，对每个样本数据点Xi确定其邻域点的数目K，邻域点的距离公式为：
[0092]
[0093] 式中，L′是结合样本数据点类别信息计算后的距离，L是忽略样本数据点类别信息的原始欧氏距离，参数λ用来防止L过快增长，max(L)表示最大欧氏距离，min(L)表示最小欧式距离，常数因子δ1、δ2(0≤δ1、δ2≤1)，共同控制距离计算时样本数据点类别信息的结合数量程度；
[0094] (2)利用每个样本数据点Xi的邻域点计算出样本数据点的局部重建权值矩阵Wij，要求最小化下列损失函数：
[0095]
[0096] 式中，Wij为Xi与Xj之间的权值，且需满足 对Xi的非邻域点，Wij＝0；
[0097] (3)计算各样本数据点Xi的K个邻域点的权重之和：
[0098]
[0099] 其中，
[0100]
[0101] 式中，Zij为各邻域点之间的加权矩阵，d(Xi,Xj)表示样本数据点间的Fisher投影距离，ξ为可调参数；
[0102] (4)利用该样本数据点的局部重建权值矩阵Wij以及其邻域点计算出该样本数据点的输出值，具体是将所有的样本数据点Xi映射嵌入到低维空间中，并使得低维重构的误差达到最小，要求最小化下列损失函数：
[0103]
[0104] 式中，需满足 其中构建一个稀疏矩阵M＝(I-W)T(I-W)，通过求解这个稀疏矩阵的前m个最小的非零特征值所对应的特征向量作为样本数据点Xi的嵌入输出值。
[0105] 所述自适应二维Gabor小波变换方法中的Gabor滤波器的核函数定义为：
[0106]
[0107] 式中，α、β分别表示核函数的方向和频率大小，α、β按照按如下方法设置：当表情图像质量较好时，选取三个中心频率β＝{0，1，2}和六个方向α＝{0，1，…，5}组成的18个Gabor滤波器用于特征提取；当表情图像受到腐蚀、遮挡时，选取四个中心频率β＝{0，1…，3}和八个方向α＝{0，1，…，7}组成的32个Gabor滤波器用于特征提取；
[0108] σ表示采用高斯函数窗口的大小，用来决定滤波器的带宽，σ能够根据参数设置进行自适应调整：将表情图像分成v×v子块，根据每个子块特征数目选择σ，特征数目大的子块设定σ＝π，特征数目少的子块设定σ＝2π；
[0109] kα,β为小波矢量， 其中，kβ和 分别表示Gabor滤波器在频率和方向空间的采样方式。
[0110] 所述预定的多模态情感融合策略为：
[0111] 设已经计算出一个测试样本x对于c类的分类情况下，采用n个分类器进行分类得到的后验概率集合为{pij(x)，i＝1,2,…,n,j＝1,2,…,c}，对n个分类器取得的后验概率按照方差规则集成得到一个新的后验概率集合{qj(x)，j＝1,2,…,c}，从中按照预定的挑选规则挑选出合适的后验概率值所对应的类别作为要输出的用户情感识别结果；
[0112] 对于j类测试样本，按照方差规则获得的新的后验概率qj(x)可表示为：
[0113]
[0114] 式中，
[0115]
[0116] 对于j类测试样本，最终所获得的识别类别可表示为：
[0117] ρ(x)＝argmaxj(qj(x))
[0118] 其中，所述预定的挑选规则为：将所述新的后验概率集合中的后验概率值按照从大到小顺序进行排列的前3个后验概率值为qj(x)max,qj(x)max-1,qj(x)max-2，若选择qj(x)max作为合适的后验概率值，否则选择qj(x)max-1作为合适的后验概率值,其中Qq为设定的后验概率权值，取值范围为[1.4,1.6]。
[0119] 本优选实施例设置改进的局部线性嵌入方法，需要确定的参数比较少，只有邻域数k和输出维数d，大大减少了运算量，且可以学习出任意维数的低维流形，提高了识别速度；采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取，具有旋转、平移以及伸缩变换条件下不变的性质，而且能得到一个解析的全局最优解；在声学特征降维子模块12对声学特征数据进行降维处理的过程中，计算各样本数据点Xi的K个邻域点的权重之和，并将其考虑到低维重构的损失函数中，降低了噪声的影响和数据样本外点对降维的干扰，进一步提高了情感识别的精度；设置预定的多模态情感融合策略，并根据多模态情感融合策略生成用户情感识别结果，使识别结果更加可靠准确。
[0120] 本应用场景设定后验概率权值为Qq＝1.45，识别精度相对提高了10％。
[0121] 应用场景3
[0122] 参见图1、图2，本应用场景中的一个具体实施例一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
[0123] 壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
[0124] 按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
[0125] 多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
[0126] 旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
[0127] 第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
[0128] 优选地，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
[0129] 本优选实施例实现了开关逐次单极调节。
[0130] 优选地，该第二弹性件为弹簧。
[0131] 本优选实施例控制更为灵敏。
[0132] 优选地，所述情感控制系统包括语音情感识别处理模块1、表情情感识别处理模块2、多模态情感融合识别处理模块3和控制模块4：
[0133] (1)语音情感识别处理模块1，用于获取用户的语音信号，并对语音信号进行处理，最终输出语音情感识别结果，其包括声学特征提取子模块11、声学特征降维子模块12和语音情感分类处理子模块13；所述声学特征提取子模块11用于提取声学特征数据；所述声学特征降维子模块12用于采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理；所述语音情感分类处理子模块13用于采用已训练好的支持向量机作为语音情感识别分类器，对降维后的声学特征数据进行情感识别并输出语音情感识别结果，支持向量机的核函数采用高斯核函数；
[0134] (2)表情情感识别处理模块2，用于获取用户的表情图像，并对表情图像特征进行处理，最终生成表情情感识别结果，其包括表情特征提取子模块21、表情特征降维子模块22和表情情感分类处理子模块23；所述表情特征提取子模块21用于采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取；所述表情特征降维子模块22用于采用所述改进的局部线性嵌入方法对所述表情特征数据进行降维处理，并采用形态学处理方法做滤波处理；所述表情情感分类处理子模块23用于采用已训练好的稀疏分类器作为表情情感识别分类器，对降维、滤波处理后的表情特征数据进行情感识别并输出表情情感识别结果；
[0135] (3)多模态情感融合识别处理模块3，用于基于所述语音情感识别结果和表情情感识别结果，根据预定的多模态情感融合策略生成用户情感识别结果；
[0136] (4)控制模块，用于根据所述用户情感识别结果，在验证用户身份的前提下控制多级调节开关执行相应的操作。
[0137] 本优选实施例设置多模态情感融合识别处理模块3，基于所述语音情感识别结果和表情情感识别结果，增强了识别结果的可靠性。
[0138] 优选地，所述用户情感识别结果包括高级别和低级别的褒义情感，中性情感以及高级别和低级别的贬义情感组成的5个级别情感类型。
[0139] 所述在验证用户身份的前提下控制多级调节开关执行相应的操作，具体为：所述控制模块基于预先设置的语音特征数据库，匹配所述用户的语音信号的语音特征，从而进行用户身份验证，若验证通过，控制模块控制多级调节开关执行相应的操作。
[0140] 所述采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理，包括：
[0141] (1)将提取的声学特征数据中的声学特征向量看成是高维空间中的样本数据点，设M维的N个样本数据点为Xi，Xi∈RM，i∈[1，N]，类别号为Ci，嵌入输出的N个m维的降维数据点为Yi，Yi∈Rm，i∈[1，N]，m≤M，且m值的范围为[2,20]，对每个样本数据点Xi确定其邻域点的数目K，邻域点的距离公式为：
[0142]
[0143] 式中，L′是结合样本数据点类别信息计算后的距离，L是忽略样本数据点类别信息的原始欧氏距离，参数λ用来防止L过快增长，max(L)表示最大欧氏距离，min(L)表示最小欧式距离，常数因子δ1、δ2(0≤δj、δ2≤1)，共同控制距离计算时样本数据点类别信息的结合数量程度；
[0144] (2)利用每个样本数据点Xi的邻域点计算出样本数据点的局部重建权值矩阵Wij，要求最小化下列损失函数：
[0145]
[0146] 式中，Wij为Xi与Xj之间的权值，且需满足 对Xi的非邻域点，Wij＝0；
[0147] (3)计算各样本数据点Xi的K个邻域点的权重之和：
[0148]
[0149] 其中，
[0150]
[0151] 式中，Zij为各邻域点之间的加权矩阵，d(Xi,Xj)表示样本数据点间的Fisher投影距离，ξ为可调参数；
[0152] (4)利用该样本数据点的局部重建权值矩阵Wij以及其邻域点计算出该样本数据点的输出值，具体是将所有的样本数据点Xi映射嵌入到低维空间中，并使得低维重构的误差达到最小，要求最小化下列损失函数：
[0153]
[0154] 式中，需满足 其中构建一个稀疏矩阵M＝(I-W)T(I-W)，通过求解这个稀疏矩阵的前m个最小的非零特征值所对应的特征向量作为样本数据点Xi的嵌入输出值。
[0155] 所述自适应二维Gabor小波变换方法中的Gabor滤波器的核函数定义为：
[0156]
[0157] 式中，α、β分别表示核函数的方向和频率大小，α、β按照按如下方法设置：当表情图像质量较好时，选取三个中心频率β＝{0，1，2}和六个方向α＝{0，1，…，5}组成的18个Gabor滤波器用于特征提取；当表情图像受到腐蚀、遮挡时，选取四个中心频率β＝{0，1…，3}和八个方向α＝{0，1，…，7}组成的32个Gabor滤波器用于特征提取；
[0158] σ表示采用高斯函数窗口的大小，用来决定滤波器的带宽，σ能够根据参数设置进行自适应调整：将表情图像分成v×v子块，根据每个子块特征数目选择σ，特征数目大的子块设定σ＝π，特征数目少的子块设定σ＝2π；
[0159] kα,β为小波矢量， 其中，kβ和 分别表示Gabor滤波器在频率和方向空间的采样方式。
[0160] 所述预定的多模态情感融合策略为：
[0161] 设已经计算出一个测试样本x对于c类的分类情况下，采用n个分类器进行分类得到的后验概率集合为{pij(x)，i＝1,2,…,n,j＝1,2,…,c}，对n个分类器取得的后验概率按照方差规则集成得到一个新的后验概率集合{qj(x)，j＝1,2,…,c}，从中按照预定的挑选规则挑选出合适的后验概率值所对应的类别作为要输出的用户情感识别结果；
[0162] 对于j类测试样本，按照方差规则获得的新的后验概率qj(x)可表示为：
[0163]
[0164] 式中，
[0165]
[0166] 对于j类测试样本，最终所获得的识别类别可表示为：
[0167] ρ(x)＝argmaxj(qj(x))
[0168] 其中，所述预定的挑选规则为：将所述新的后验概率集合中的后验概率值按照从大到小顺序进行排列的前3个后验概率值为qj(x)max,qj(x)max-1,qj(x)max-2，若选择qj(x)max作为合适的后验概率值，否则选择qj(x)max-1作为合适的后验概率值,其中Qq为设定的后验概率权值，取值范围为[1.4,1.6]。
[0169] 本优选实施例设置改进的局部线性嵌入方法，需要确定的参数比较少，只有邻域数k和输出维数d，大大减少了运算量，且可以学习出任意维数的低维流形，提高了识别速度；采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取，具有旋转、平移以及伸缩变换条件下不变的性质，而且能得到一个解析的全局最优解；在声学特征降维子模块12对声学特征数据进行降维处理的过程中，计算各样本数据点Xi的K个邻域点的权重之和，并将其考虑到低维重构的损失函数中，降低了噪声的影响和数据样本外点对降维的干扰，进一步提高了情感识别的精度；设置预定的多模态情感融合策略，并根据多模态情感融合策略生成用户情感识别结果，使识别结果更加可靠准确。
[0170] 本应用场景设定后验概率权值为Qq＝1.5，识别精度相对提高了15％。
[0171] 应用场景4
[0172] 参见图1、图2，本应用场景中的一个具体实施例一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
[0173] 壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
[0174] 按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
[0175] 多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
[0176] 旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
[0177] 第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
[0178] 优选地，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
[0179] 本优选实施例实现了开关逐次单极调节。
[0180] 优选地，该第二弹性件为弹簧。
[0181] 本优选实施例控制更为灵敏。
[0182] 优选地，所述情感控制系统包括语音情感识别处理模块1、表情情感识别处理模块2、多模态情感融合识别处理模块3和控制模块4：
[0183] (1)语音情感识别处理模块1，用于获取用户的语音信号，并对语音信号进行处理，最终输出语音情感识别结果，其包括声学特征提取子模块11、声学特征降维子模块12和语音情感分类处理子模块13；所述声学特征提取子模块11用于提取声学特征数据；所述声学特征降维子模块12用于采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理；所述语音情感分类处理子模块13用于采用已训练好的支持向量机作为语音情感识别分类器，对降维后的声学特征数据进行情感识别并输出语音情感识别结果，支持向量机的核函数采用高斯核函数；
[0184] (2)表情情感识别处理模块2，用于获取用户的表情图像，并对表情图像特征进行处理，最终生成表情情感识别结果，其包括表情特征提取子模块21、表情特征降维子模块22和表情情感分类处理子模块23；所述表情特征提取子模块21用于采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取；所述表情特征降维子模块22用于采用所述改进的局部线性嵌入方法对所述表情特征数据进行降维处理，并采用形态学处理方法做滤波处理；所述表情情感分类处理子模块23用于采用已训练好的稀疏分类器作为表情情感识别分类器，对降维、滤波处理后的表情特征数据进行情感识别并输出表情情感识别结果；
[0185] (3)多模态情感融合识别处理模块3，用于基于所述语音情感识别结果和表情情感识别结果，根据预定的多模态情感融合策略生成用户情感识别结果；
[0186] (4)控制模块，用于根据所述用户情感识别结果，在验证用户身份的前提下控制多级调节开关执行相应的操作。
[0187] 本优选实施例设置多模态情感融合识别处理模块3，基于所述语音情感识别结果和表情情感识别结果，增强了识别结果的可靠性。
[0188] 优选地，所述用户情感识别结果包括高级别和低级别的褒义情感，中性情感以及高级别和低级别的贬义情感组成的5个级别情感类型。
[0189] 所述在验证用户身份的前提下控制多级调节开关执行相应的操作，具体为：所述控制模块基于预先设置的语音特征数据库，匹配所述用户的语音信号的语音特征，从而进行用户身份验证，若验证通过，控制模块控制多级调节开关执行相应的操作。
[0190] 所述采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理，包括：
[0191] (1)将提取的声学特征数据中的声学特征向量看成是高维空间中的样本数据点，设M维的N个样本数据点为Xi，Xi∈RM，i∈[1，N]，类别号为Ci，嵌入输出的N个m维的降维数据m点为Yi，Yi∈R ，i∈[1，N]，m≤M，且m值的范围为[2,20]，对每个样本数据点Xi确定其邻域点的数目K，邻域点的距离公式为：
[0192]
[0193] 式中，L′是结合样本数据点类别信息计算后的距离，L是忽略样本数据点类别信息的原始欧氏距离，参数λ用来防止L过快增长，max(L)表示最大欧氏距离，min(L)表示最小欧式距离，常数因子δ1、δ2(0≤δ1、δ2≤1)，共同控制距离计算时样本数据点类别信息的结合数量程度；
[0194] (2)利用每个样本数据点Xi的邻域点计算出样本数据点的局部重建权值矩阵Wij，要求最小化下列损失函数：
[0195]
[0196] 式中，Wij为Xi与Xj之间的权值，且需满足 对Xi的非邻域点，Wij＝0；
[0197] (3)计算各样本数据点Xi的K个邻域点的权重之和：
[0198]
[0199] 其中，
[0200]
[0201] 式中，Zij为各邻域点之间的加权矩阵，d(Xi,Xj)表示样本数据点间的Fisher投影距离，ξ为可调参数；
[0202] (4)利用该样本数据点的局部重建权值矩阵Wij以及其邻域点计算出该样本数据点的输出值，具体是将所有的样本数据点Xi映射嵌入到低维空间中，并使得低维重构的误差达到最小，要求最小化下列损失函数：
[0203]
[0204] 式中，需满足 其中构建一个稀疏矩阵M＝(I-W)T(I-W)，通过求解这个稀疏矩阵的前m个最小的非零特征值所对应的特征向量作为样本数据点Xi的嵌入输出值。
[0205] 所述自适应二维Gabor小波变换方法中的Gabor滤波器的核函数定义为：
[0206]
[0207] 式中，α、β分别表示核函数的方向和频率大小，α、β按照按如下方法设置：当表情图像质量较好时，选取三个中心频率β＝{0，1，2}和六个方向α＝{0，1，…，5}组成的18个Gabor滤波器用于特征提取；当表情图像受到腐蚀、遮挡时，选取四个中心频率β＝{0，1…，3}和八个方向α＝{0，1，…，7}组成的32个Gabor滤波器用于特征提取；
[0208] σ表示采用高斯函数窗口的大小，用来决定滤波器的带宽，σ能够根据参数设置进行自适应调整：将表情图像分成v×v子块，根据每个子块特征数目选择σ，特征数目大的子块设定σ＝π，特征数目少的子块设定σ＝2π；
[0209] kα,β为小波矢量， 其中，kβ和 分别表示Gabor滤波器在频率和方向空间的采样方式。
[0210] 所述预定的多模态情感融合策略为：
[0211] 设已经计算出一个测试样本x对于c类的分类情况下，采用n个分类器进行分类得到的后验概率集合为{pij(x)，i＝1,2,…,n,j＝1,2,…,c}，对n个分类器取得的后验概率按照方差规则集成得到一个新的后验概率集合{qj(x)，j＝1,2,…,c}，从中按照预定的挑选规则挑选出合适的后验概率值所对应的类别作为要输出的用户情感识别结果；
[0212] 对于j类测试样本，按照方差规则获得的新的后验概率qj(x)可表示为：
[0213]
[0214] 式中，
[0215]
[0216] 对于j类测试样本，最终所获得的识别类别可表示为：
[0217] ρ(x)＝argmaxj(qj(x))
[0218] 其中，所述预定的挑选规则为：将所述新的后验概率集合中的后验概率值按照从大到小顺序进行排列的前3个后验概率值为qj(x)max,qj(x)max-1,qj(x)max-2，若选择qj(x)max作为合适的后验概率值，否则选择qj(x)max-1作为合适的后验概率值,其中Qq为设定的后验概率权值，取值范围为[1.4,1.6]。
[0219] 本优选实施例设置改进的局部线性嵌入方法，需要确定的参数比较少，只有邻域数k和输出维数d，大大减少了运算量，且可以学习出任意维数的低维流形，提高了识别速度；采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取，具有旋转、平移以及伸缩变换条件下不变的性质，而且能得到一个解析的全局最优解；在声学特征降维子模块12对声学特征数据进行降维处理的过程中，计算各样本数据点Xi的K个邻域点的权重之和，并将其考虑到低维重构的损失函数中，降低了噪声的影响和数据样本外点对降维的干扰，进一步提高了情感识别的精度；设置预定的多模态情感融合策略，并根据多模态情感融合策略生成用户情感识别结果，使识别结果更加可靠准确。
[0220] 本应用场景设定后验概率权值为Qq＝1.55，识别精度相对提高了10％。
[0221] 应用场景5
[0222] 参见图1、图2，本应用场景中的一个具体实施例一种交互性能良好的多级调节开关，其特征是，包括多级调节开关和与多级调节开关相连的情感控制系统，所述多级调节开关包括：
[0223] 壳体，该壳体上开有孔，该壳体内表面上环绕该孔形成有彼此间隔设置的多个阻隔块，每一阻隔块的顶面在绕该孔的一特定方向上自一端向另一端逐渐降低；
[0224] 按钮，该按钮位于该壳体内，包括本体和环绕该本体形成的多个支持块，该本体从该孔伸出到该壳体外，该多个支持块分别位于该多个阻隔块之间的间隙中，每一支持块的顶面在绕该孔的该特定方向上自一端向另一端逐渐降低，该多个支持块的最高端的高度等于或小于该多个阻隔块的最低端的高度；
[0225] 多组导电片，该多组导电片对应该多个支持块设置于该壳体内；
[0226] 旋转件，该旋转件包括弹性导电部和支撑柱，该支撑柱可转动安装于该壳体内，该弹性导电部两端分别与其中一组导电片弹性接触并连通该组导电片；
[0227] 第一弹性件，该第一弹性件驱使该弹性导电部顶触于该按钮的该支持块的该顶面，并继而驱使该按钮抵触该壳体。
[0228] 优选地，该弹性导电部包括套筒、第二弹性件和导电头，该导电头安装于该套筒两端，该第二弹性件安装于该套筒内并连接该导电头。
[0229] 本优选实施例实现了开关逐次单极调节。
[0230] 优选地，该第二弹性件为弹簧。
[0231] 本优选实施例控制更为灵敏。
[0232] 优选地，所述情感控制系统包括语音情感识别处理模块1、表情情感识别处理模块2、多模态情感融合识别处理模块3和控制模块4：
[0233] (1)语音情感识别处理模块1，用于获取用户的语音信号，并对语音信号进行处理，最终输出语音情感识别结果，其包括声学特征提取子模块11、声学特征降维子模块12和语音情感分类处理子模块13；所述声学特征提取子模块11用于提取声学特征数据；所述声学特征降维子模块12用于采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理；所述语音情感分类处理子模块13用于采用已训练好的支持向量机作为语音情感识别分类器，对降维后的声学特征数据进行情感识别并输出语音情感识别结果，支持向量机的核函数采用高斯核函数；
[0234] (2)表情情感识别处理模块2，用于获取用户的表情图像，并对表情图像特征进行处理，最终生成表情情感识别结果，其包括表情特征提取子模块21、表情特征降维子模块22和表情情感分类处理子模块23；所述表情特征提取子模块21用于采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取；所述表情特征降维子模块22用于采用所述改进的局部线性嵌入方法对所述表情特征数据进行降维处理，并采用形态学处理方法做滤波处理；所述表情情感分类处理子模块23用于采用已训练好的稀疏分类器作为表情情感识别分类器，对降维、滤波处理后的表情特征数据进行情感识别并输出表情情感识别结果；
[0235] (3)多模态情感融合识别处理模块3，用于基于所述语音情感识别结果和表情情感识别结果，根据预定的多模态情感融合策略生成用户情感识别结果；
[0236] (4)控制模块，用于根据所述用户情感识别结果，在验证用户身份的前提下控制多级调节开关执行相应的操作。
[0237] 本优选实施例设置多模态情感融合识别处理模块3，基于所述语音情感识别结果和表情情感识别结果，增强了识别结果的可靠性。
[0238] 优选地，所述用户情感识别结果包括高级别和低级别的褒义情感，中性情感以及高级别和低级别的贬义情感组成的5个级别情感类型。
[0239] 所述在验证用户身份的前提下控制多级调节开关执行相应的操作，具体为：所述控制模块基于预先设置的语音特征数据库，匹配所述用户的语音信号的语音特征，从而进行用户身份验证，若验证通过，控制模块控制多级调节开关执行相应的操作。
[0240] 所述采用改进的局部线性嵌入方法对所述声学特征数据进行降维处理，包括：
[0241] (1)将提取的声学特征数据中的声学特征向量看成是高维空间中的样本数据点，设M维的N个样本数据点为Xi，Xi∈RM，i∈[1，N]，类别号为Ci，嵌入输出的N个m维的降维数据点为Yi，Yi∈Rm，i∈[1，N]，m≤M，且m值的范围为[2,20]，对每个样本数据点Xi确定其邻域点的数目K，邻域点的距离公式为：
[0242]
[0243] 式中，L′是结合样本数据点类别信息计算后的距离，L是忽略样本数据点类别信息的原始欧氏距离，参数λ用来防止L过快增长，max(L)表示最大欧氏距离，min(L)表示最小欧式距离，常数因子δ1、δ2(0≤δ1、δ2≤1)，共同控制距离计算时样本数据点类别信息的结合数量程度；
[0244] (2)利用每个样本数据点Xi的邻域点计算出样本数据点的局部重建权值矩阵Wij，要求最小化下列损失函数：
[0245]
[0246] 式中，Wij为Xi与Xj之间的权值，且需满足 对Xi的非邻域点，Wij＝0；
[0247] (3)计算各样本数据点Xi的K个邻域点的权重之和：
[0248]
[0249] 其中，
[0250]
[0251] 式中，Zij为各邻域点之间的加权矩阵，d(Xi,Xj)表示样本数据点间的Fisher投影距离，ξ为可调参数；
[0252] (4)利用该样本数据点的局部重建权值矩阵Wij以及其邻域点计算出该样本数据点的输出值，具体是将所有的样本数据点Xi映射嵌入到低维空间中，并使得低维重构的误差达到最小，要求最小化下列损失函数：
[0253]
[0254] 式中，需满足 其中构建一个稀疏矩阵M＝(I-W)T(I-W)，通过求解这个稀疏矩阵的前m个最小的非零特征值所对应的特征向量作为样本数据点Xi的嵌入输出值。
[0255] 所述自适应二维Gabor小波变换方法中的Gabor滤波器的核函数定义为：
[0256]
[0257] 式中，α、β分别表示核函数的方向和频率大小，α、β按照按如下方法设置：当表情图像质量较好时，选取三个中心频率β＝{0，1，2}和六个方向α＝{0，1，…，5}组成的18个Gabor滤波器用于特征提取；当表情图像受到腐蚀、遮挡时，选取四个中心频率β＝{0，1…，3}和八个方向α＝{0，1，…，7}组成的32个Gabor滤波器用于特征提取；
[0258] σ表示采用高斯函数窗口的大小，用来决定滤波器的带宽，σ能够根据参数设置进行自适应调整：将表情图像分成v×v子块，根据每个子块特征数目选择σ，特征数目大的子块设定σ＝π，特征数目少的子块设定σ＝2π；
[0259] kα,β为小波矢量， 其中，kβ和 分别表示Gabor滤波器在频率和方向空间的采样方式。
[0260] 所述预定的多模态情感融合策略为：
[0261] 设已经计算出一个测试样本x对于c类的分类情况下，采用n个分类器进行分类得到的后验概率集合为{pjj(x)，i＝1,2,…,n,j＝1,2,…,c}，对n个分类器取得的后验概率按照方差规则集成得到一个新的后验概率集合{qj(x)，j＝1,2,…,c}，从中按照预定的挑选规则挑选出合适的后验概率值所对应的类别作为要输出的用户情感识别结果；
[0262] 对于j类测试样本，按照方差规则获得的新的后验概率qj(x)可表示为：
[0263]
[0264] 式中，
[0265]
[0266] 对于j类测试样本，最终所获得的识别类别可表示为：
[0267] ρ(x)＝argmaxj(qj(x))
[0268] 其中，所述预定的挑选规则为：将所述新的后验概率集合中的后验概率值按照从大到小顺序进行排列的前3个后验概率值为qj(x)max,qj(x)max-1,qj(x)max-2，若选择qj(x)max作为合适的后验概率值，否则选择qj(x)max-1作为合适的后验概率值,其中Qq为设定的后验概率权值，取值范围为[1.4,1.6]。
[0269] 本优选实施例设置改进的局部线性嵌入方法，需要确定的参数比较少，只有邻域数k和输出维数d，大大减少了运算量，且可以学习出任意维数的低维流形，提高了识别速度；采用自适应二维Gabor小波变换方法对表情图像中的表情特征进行提取，具有旋转、平移以及伸缩变换条件下不变的性质，而且能得到一个解析的全局最优解；在声学特征降维子模块12对声学特征数据进行降维处理的过程中，计算各样本数据点Xi的K个邻域点的权重之和，并将其考虑到低维重构的损失函数中，降低了噪声的影响和数据样本外点对降维的干扰，进一步提高了情感识别的精度；设置预定的多模态情感融合策略，并根据多模态情感融合策略生成用户情感识别结果，使识别结果更加可靠准确。
[0270] 本应用场景设定后验概率权值为Qq＝1.6，识别精度相对提高了8％。
[0271] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
QQ群二维码
意见反馈
意见反馈
提交反馈
使用该功能遇到问题

该功能需要专业版企业版VIP权限，您可以：

购买VIP 申请VIP试用
您也可以联系官方QQ: 2157717237     电话: 13264338900
关于PatentHub
关于我们 使命宗旨 加入我们 联系我们 帮助中心
PatentHub产品
专利百科 专利交易 业务平台 专利交易大厅 专利需求大厅
 
API接口 数据定制 专利资讯 最新中国发明专利 最新美国发明专利 看视频学检索 技术领域 专利库 专利分类库 国际专利分类库
 
历年真题 模拟考试 资料库 问答专区 专栏文章 知识分享 求职 招聘 代理所排行榜 代理人排行榜 代理所地域排行榜 找代理所 找代理人
PatentHub联系方式
官方Q群：924368187 官方Q群：931673531 官方Q群：529775260 商务QQ：2157717237 运营QQ：3307693423 电话：13264338900