研究生期间工作

1. 人脸检测

Haar特征

Adboost方法

2. 视频情感语义标注

实质上就是一个分类问题；

实验：让被试观看3种不同情感状态（负性、中性、正性）的视频，同时记录被试的脑电信号。

特征：视频特征（MFCC），脑电特征（频域特征）

分类：（1）基于特征级的融合

          （2）基于决策级的融合

          （3）基于脑电边信息的标注

    这三种分类情况，都涉及到模型选择的问题，这里就是特征选择，选择基于F值的特征选择。

数据：将数据随机的分为两份，一份占4/5，用于训练；一份占1/5，用于测试。训练的数据又分为两类：训练集和验证集（采用十折交叉验证）

3. 基于脑电特征的情感分类

三个节点的图模型

类别节点C，脑电特征节点E，隐节点H；

为什么加入隐节点？ 为了更好地表示特征数据，因为特征数据来自不同的被试，因此用隐节点来表示特体差异以及其他因素。

此处涉及隐节点，所以选择EM算法进行参数估计

EM算法是最大似然估计的一种推广

最大似然估计：在完备特征数据情况下的参数估计；

EM算法：在不完备特征数据情况下的参数估计；