原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于核映射协同表示的跨数据库微表情识别方法，包括以下步骤：步骤一、提取原始微表情视频的LBP‑TOP特征；步骤二、建立一个基于核映射字典学习的迁移学习模型；步骤三、对模型进行优化；步骤四、使用训练好的模型参数和对应的标签矩阵用线性SVM分类器中训练一个分类器，将测试样本输入分类器中对其微表情类别进行预测。本发明能够有效地对目标人物的微表情情绪进行判读，相比于其他经典的微表情识别方法，本发明有效地提高了识别率。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116563930 A
(43)申请公布日 2023.08.08
(21)申请号 202310639910.3
(22)申请日 2023.06.01
(71)申请人 江西师范大学
地址 330000
文档评论（0）