【技术实现步骤摘要】
一种基于多源微特征的深度神经网络心理语义标注方法
本专利技术涉及多源微特征领域,具体说是一种基于多源微特征的深度神经网络心理语义标注方法。
技术介绍
心理语义是通过表情特征,皮肤电特征,呼吸特征,血压特征,呼吸特征以及声音特征等多特征的变换,形成具有统一维度的特征空间,进而通过建立深度神经网络,将多特征进行融合,为实时获取心理特征的决策提供准确、可靠依据。当审讯遇到困难时,可以借助心理语义读取的方法,进行辅助判读心理活动,为审讯员提供参考性的定向提问。
技术实现思路
本法的目的是提供一种准确的基于多源微特征的深度神经网络心理语义标注方法。本专利技术解决上述技术问题所采用的技术方案是:一、采集生理微特征,将生理微特征与微表情特征的互相校验,形成统一指向,通过深度学习方法统一贴签处理;二、采集语音微特征,将语音微特征与微表情特征的互相校验,形成统一指向,通过深度学习方法统一贴签处理;三、将生理微特征和语音微特征整合校验后得到微表情特征;四、将微表情特征与特征验证库进行比对判断,排除非微表情特征;五、特征验证库将验证后微表情特征的进行特征融合;六、特征融合通过深度神经网络重构完成多源特征融合;七、完成特征融合进行心理语义标注,为实时获取心理特征的决策提供准确、可靠依据。本专利技术的优点是:本专利技术获取微表情特征,皮肤电特征,呼吸特征,血压特征及声音特征,根据深度学习网络的信息融合算法,将多特征进行融合,为实时获取心理特征的决策提供准确、可靠依据。附图说明图1是多源微特征数据融合逻辑单元连接图。图2是基于深度神经网络的融合决策。具体实施方式下面将结合附图及实施例对本 ...
【技术保护点】
1.一种基于多源微特征的深度神经网络心理语义标注方法,其特征在于:一、采集生理微特征,将生理微特征与微表情特征的互相校验,形成统一指向,通过深度学习方法统一贴签处理;二、采集语音微特征,将语音微特征与微表情特征的互相校验,形成统一指向,通过深度学习方法统一贴签处理;三、将生理微特征和语音微特征整合校验后得到微表情特征;四、将微表情特征与特征验证库进行比对判断,排除非微表情特征;五、特征验证库将验证后微表情特征的进行特征融合;六、特征融合通过深度神经网络重构完成多源特征融合;七、完成特征融合进行心理语义标注,为实时获取心理特征的决策提供准确、可靠依据。
【技术特征摘要】
1.一种基于多源微特征的深度神经网络心理语义标注方法,其特征在于:一、采集生理微特征,将生理微特征与微表情特征的互相校验,形成统一指向,通过深度学习方法统一贴签处理;二、采集语音微特征,将语音微特征与微表情特征的互相校验,形成统一指向,通过深度学习方法统一贴签处理;三、将生理微特征和语音微特征整合校验后得到微表情特征;四、将微表情特征与特征验证库进行比对判断,排除非微表情特征;五、特征验证库将验证后微表情特征的进行特征融合;六、特征融合通过深度神经网络重构完成多源特征融合;七、完成特征融合进行心理语义标注,为实时获取心理特征的决策提供准确、可靠依据。2.根据权利要求1所述的一种基于多源微特征的深度神经网络心理语义标注方法,其特征在于:生理微特征是通过手环采集的心跳次数、血压数值。3.根据权利要求1所述的一种基于多源微特征的深度神经网络心理语义标注方法,其特征在于:语...
【专利技术属性】
技术研发人员:关庆阳,童心,毕连城,靳跃,苏展锋,周国林,鞠明刚,
申请(专利权)人:沈阳康泰电子科技股份有限公司,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。