从低层次到高层次表示的情感模型研究
理解六层次的几个图
六层次的重要性
01
层次化的结构有利于协议的设计和开发，降低了系统设计和 实现的复杂性。
02
各层之间相互独立，某一层的改变不会影响其他层，有利于 系统的模块化和标准化。
03
通过接口进行通信，使得各层之间的通信更加规范和可靠。
03 第一个图：环境层次
环境对个体的影响
提供生存条件
环境为个体提供必要的生存条件，如空气、水、食物 等。
身份ห้องสมุดไป่ตู้能力的影响
身份对行为的影响
个体的能力发展往往受到其身份认同的制 约或促进，身份的转变可能要求个体具备 新的能力或技能。
个体的行为方式通常与其身份认同保持一 致，身份的转变可能导致行为的改变或调 整。
08 第六个图：精神层次
精神追求与意义探寻
精神追求
人们渴望在精神层面得到满足，追求内心的平静、喜悦、爱 和智慧等。
分析六层次模型在解 决问题中的优势
汇报范围
介绍六层次模型的基本概念和原理 通过案例分析和实践应用展示六层次模型的实际效果
详细阐述每个层次的含义、作用和应用方法
总结六层次模型的价值和意义，并提出未来研究方向和 应用前景
02 理解六层次概述
六层次定义与特点
物理层
01
定义了通信设备的机械、电气、功能和规程特性，为数据端设
环境与个体相互作用
双向影响
环境和个体之间存在双向影响的关系， 环境塑造个体，同时个体也能改变环 境。
动态平衡
环境与个体之间的相互作用是一个动 态平衡的过程，双方在不断调整中达 到一种相对稳定的状态。
04 第二个图：行为层次
行为模式与习惯
行为模式
指个体或群体在特定情境下所表现出来的一系列相对稳定的行为方式。行为模 式受到文化、社会、个人经验等多种因素的影响，具有一定的可预测性和稳定 性。
情感特征提取及分析
语音信号中情感特征的分析和识别本文Tag标签：1.引言随着信息技术的高速发展和人类对计算机的依赖性的不断增强，人机的交互能力越来越受到研究者的重视。
如何实现计算机的拟人化，使其能感知周围的环境、气氛，对象的态度、情感等内容，自适应地为对话对象提供最舒适的对话环境，尽量消除操作者和机器之间的障碍，已经成为下一代计算机发展的目标。
斯坦福大学的Reeves和Nass的通过研究发现[1]，在人机交互中所需要解决的问题同人和人交流中的是一致的，最关键的都是“情感智能”的能力。
因此计算机要能够更加主动的适应操作者的需要，首先必须能够识别操作者的情感，而后再根据情感的判断来调整对话的方式。
对于情感识别研究包括多个方面，如情感特征分析、肢体情感识别、面部情感识别和语音情感识别。
各国在这些方面都投入了大量的资金进行研究。
美国的MIT媒体实验室的情感计算研究小组（Affective Computing Research Group）就在专门研究机器如何通过对外界信号的采样，如人体的生理信号（血压，脉搏，皮肤电阻等）、面部快照、语音信号来识别人的各种情感，并让机器对这些情感作出适当的反应[2]。
目前，关于情感信息处理的研究正处在不断的深入之中，而其中语音的情感识别因为涉及到不同语种之间的差异，发展也不尽相同。
英语、日语、德语、西班牙语的语音情感分析处理都有较多的研究，而汉语语音的情感分析还处在刚刚起步的阶段。
日常通过听觉获得的语音信息是一种模式信息，这种模式信息包含符号信息和非符号信息。
传统的语音信号处理把模式的变动和差异作为噪声通过规则化处理予以去除，然而这种非符号信息是人们感知模式的重要的必不可少的部分。
例如同样的一句话，由于说话人表现的情感不同，在听者的感知上就可能会有较大的差别，所以情感信息处理的目的之一可以说是一种传统的被去掉的有用信息的复权。
实际上，人们利用各种感觉器官同时接受各种形式的信息，如何有效地利用各种形式的信息以达到最佳的信息传递效果，是今后信息处理研究的发展方向。
自然语言处理中常见的文本情感识别模型(Ⅲ)
自然语言处理（Natural Language Processing, NLP）是人工智能领域一个重要的分支，其主要研究对象是如何让计算机能够理解和处理人类语言。
在NLP中，文本情感识别模型是一个非常重要的应用，它可以帮助计算机识别文本中的情感色彩，从而更好地理解和分析人类情感。
本文将介绍一些自然语言处理中常见的文本情感识别模型。
一、基于词典的情感分析模型基于词典的情感分析模型是一种简单但有效的情感识别方法。
这种方法的核心思想是通过构建一个情感词典，然后根据文本中出现的情感词和程度副词来确定文本的情感极性。
情感词典是一种包含了大量情感词汇及其情感极性的词典，常见的情感词有“喜欢”、“讨厌”、“高兴”、“悲伤”等。
在情感分析过程中，计算机会通过检索文本中的情感词，然后根据情感词的极性和程度副词的修饰程度来计算文本的情感得分，从而判断文本的情感色彩。
二、基于机器学习的情感分析模型除了基于词典的情感分析模型之外，基于机器学习的情感分析模型也是一种常见的文本情感识别方法。
这种方法的核心思想是通过训练一个分类器来识别文本的情感。
在训练阶段，计算机会使用标注好的文本数据来训练模型，然后在测试阶段使用训练好的模型来对新的文本进行情感识别。
常见的机器学习算法有朴素贝叶斯、支持向量机（SVM）和神经网络等，这些算法都可以用来构建情感分析模型，从而实现文本情感识别的功能。
三、基于深度学习的情感分析模型近年来，随着深度学习技术的快速发展，基于深度学习的情感分析模型也逐渐成为了研究热点。
深度学习模型在情感分析中的应用主要包括循环神经网络（RNN）、长短时记忆网络（LSTM）和卷积神经网络（CNN）等。
这些模型能够自动学习文本中的特征，并且可以处理更加复杂的情感识别任务。
相比于传统的基于机器学习的情感分析模型，基于深度学习的情感分析模型具有更好的性能和更高的准确度。
四、情感分析在实际应用中的挑战和展望尽管文本情感识别模型在自然语言处理领域取得了一定的成就，但是在实际应用中还存在一些挑战。
基于深度学习方面自然语言处理技术(NLP)的研究
Industry Observation产业观察DCW31数字通信世界2021.010 引言目前，随着人工智能在深度学习方面的技术越来越可靠成熟，图像识别、图像分类、图像检测、自动驾驶、智能安防等方面已开始广泛应用深度神经网络技术。
作为人工智能的皇冠“明珠”，语言智能如果可以实现突破，那么人工智能则可以得到进一步长足发展。
近些年来，自然语言处理技术取得了突破性进展，尤其是基于深度学习方面自然语言处理技术在语音识别、智能问答、情感分析等领域都得到了广泛应用，未来将会发挥出巨大的优势。
1 深度学习与自然语言处理技术的概述1.1 深度学习（1）基本概念。
深度学习（Deep Learning ）是当前机器学习领域研究的一个热点，针对深度学习的研究，来源于人工神经网络研究，主要以通过建立深层的神经网络来模拟人脑运转机制，从而实现对图像、文本和语音的解析。
（2）结构模式。
深度学习的结构模式可以根据模型和技术的应用划分成为生成性深度模式、区分性深度模式和混合型模型：生成性深度模式与传统型神经分区网络有所不同，该模式是通过讲述观测数据以及相应的联合概率分布来充分展现数据高阶的相关特点；区分性深度模式，卷积神经网络就是属于区分性训练，它能够真正实践多层成真的网络结构算法；混合型模型是区分更佳性的目标，它包含生成性部分和区分性部分。
1.2 自然语言处理技术（1）基本概念。
自然语言处理技术（NLP ），主要是将机器学习算法应用于语音和文本。
譬如，可以使用NLP 来创建机器翻译、语音识别、垃圾邮件检测、自动填写地址、命名实体识别等。
如今，我们大多数人都拥有具有语音识别功能的智能手机，这些智能手机就是使用 NLP 来理解所说的内容。
此外，许多人使用笔记本电脑，其操作系统也具有内置的语音识别功能。
（2）应用领域。
针对深度学习方面的自然语言处理技术比针对传统机器学习方面的自然语言处理技术更具备应用的优势，它更适用于复杂的自然语言处理领域，从而促使 NLP 技术在智能问答、信息检索、机器翻译等方面能够发挥出更大的优势。
基于信号和OCC表示的情感模型研究
ａ ｄ ｓ ｎ ｉ ｎ ｓ ｆ ｅｙ，ａ ｄ ｔ ｒ ｕ ｈ ＭＡＴ ＡＢ ｓｍｕ ａｉ ｎ ａ ａｙ ｉ ｐ ｏ ｅ ｈ Ｏｌ ｃ ｎ ｓ ｆ ｔ ｅ ｍｏ ｅ ． ｎ ｅ ｔ ｍｅ ｔ ｉ ｌ ｎ ｏ ｇ ｎ ｈ Ｌ ｉ ｌ ｔ ｎ ｌｓｓ ｒ ｖ ｓ ｔ ｅ Ｃ ｒ ｔ ｅ ｓ ｏ ｄ １ ｏ ￣ ｈ
２ １ 年第 ｎ ００ １期
中 图分 类 号 ：Ｐ １ Ｔ ３１ 文献标识码 ： Ａ 文 章 编 号 ：０ ９— ５２ ２ １ ）Ｏ一 １５一 ３ １０ ２ ５ （０ ０ １ ０ ５ Ｏ
基 于 信 号 和 Ｏ Ｃ表 示 的 情 感 模 型 研 究 Ｃ
朱 飒 飒 ，王 巍
（ ．温州科技职业学院信息技术 系 ， １ 温州 ３ ５０ ； ．北京科技大学信息工程学院 ，北京 １０８ ） ２０ ６ ２ ０ ０ ３
摘
要 ：情感模 型 的建立 可 以使计 算机 具备 基 本 的情 感识 别和 表 达 能 力 ，在 并 谐 人 机 交互 方 面 口
有 着广泛 的应 用。借助 于 Ｐｃｒ 授 关 于 情感 计 算 的理 论 ，将 线性 系统 理论 和 数 字信 号处 理 方 ｉ ｄ教 ａ 法应 用到情 感信 号 与 系统 建 模 上 ，用信 号很 好 地 表 示 了人 类 的 内在 情 感和 情 绪 ，并通 过 Ｍ Ｔ Ａ－ Ｌ Ｂ仿 真 实验 分析证 明 了模 型 的正 确 性。 最后 结 合 情 感 的 高层 次认 知 推 理机 制 ，将 情 感模 型应 Ａ 用到情 感虚拟人 当 中，形 象地 实现 了情感 对人脸表 情 变化 的控 制。 关键词 ：情感模 型 ；信号 表示 ；情绪情 感理论 ；Ｏ Ｃ模 型 ；面 部表情 Ｃ
０ 引言
当识 别某人 的情感 时 ， 首先 ， 的感 官检测 到低 你 层 次 的信 号 ， 的嘴 和眼睛周 围 的运 动 ， 他 也许还 有手
基于多尺度跨模态特征融合的图文情感分类模型
基于多尺度跨模态特征融合的图文情感分类模型1. 内容综述随着深度学习技术的发展，计算机视觉领域中的情感分类模型已经取得了显著的成果。
现有的情感分类模型在处理跨模态数据时仍然面临一些挑战，例如文本和图像之间的语义不匹配、特征提取不足等问题。
为了解决这些问题，本文提出了一种基于多尺度跨模态特征融合的图文情感分类模型。
该模型首先将输入的文本和图像分别进行特征提取，然后通过多尺度特征融合的方式将不同尺度的特征进行整合。
本文采用了卷积神经网络(CNN)和循环神经网络(RNN)相结合的方式进行特征提取。
CNN 主要用于提取图像特征，而RNN则用于处理文本序列。
在特征融合过程中，本文采用了注意力机制(Attention Mechanism)来实现不同尺度特征之间的关联性。
通过一个全连接层将整合后的特征进行分类，得到最终的情感分类结果。
为了验证本文提出的模型的有效性，我们在多个公开的情感分类数据集上进行了实验，并与其他经典方法进行了比较。
实验结果表明，本文提出的基于多尺度跨模态特征融合的图文情感分类模型在各个数据集上均取得了较好的性能，有效解决了现有方法在处理跨模态数据时面临的问题。
1.1 背景与意义随着互联网的普及和多媒体技术的发展，图文信息在人们生活中占据了越来越重要的地位。
情感分析作为自然语言处理领域的一个重要分支，旨在识别和分析文本中的主观信息，对于理解用户需求、调整产品和服务以及维护用户关系具有重要意义。
传统的基于文本的情感分析方法往往忽略了图文之间的关联性，导致对情感的判断不够准确和全面。
为了解决这一问题，本文提出了一种基于多尺度跨模态特征融合的图文情感分类模型。
该模型通过结合文本和图像信息，充分利用跨模态特征，提高情感分类的准确性。
多尺度特征融合能够捕捉不同尺度下的信息，使得模型具有更强的表征能力。
本文的研究不仅有助于提高图文情感分析的性能，而且对于丰富和完善自然语言处理技术具有重要的理论意义和应用价值。
浅析BILSTM在音乐情感识别中的应用
和连续型情感模型两个大类别。离散型情感模型中具有代表 性的是Hevner 情感模型[4]，连续型情感模型中具有代表性的是 Thayer二维情感表示模型[5]。本文根据数据集的特点和研究的可 行性进行综合衡量，采用离散型的情感模型，将情感类别划分 为平静，快乐，悲伤，愤怒和可怕五类构建情感模型。
参考文献 [1] 蔡宸.基于音频信号处理的音乐情感分类的研究[D].北京:北京邮
电大学,2017. [2] 王洁,朱贝贝.面向中文歌词的音乐情感分类方法[J].计算机系统
应用,2019,28(8):24-29. [3] 陈炜亮.音频文本混合的歌曲深度情感识别[D].合肥:合肥工业大
学,2017. [4] K. Hevner. Experimental studies of the elements of expression in
作者简介 商铭娟（1995－），女，河北省人；毕业院校：北京物资学院，
专业：计算机科学与技术，学历：硕士，现就职单位：北京物资学院， 研究方向：计算机应用技术。
科学与信息化2020年10月下 5
music[J]. American Journal of Psychology,1936,48(2):246-268. ………… [5] R. Thayer.The biopsychology of mood and arousal[M]. Oxford
University Press,1989:71.
TECHNOLOGY AND INFORMATION
信息化技术应用
浅析BILSTM在音乐情感识别中的应用
商铭娟 北京物资学院 北京 101149
摘 要 音乐作为生活中必不可少的情感表达和寄托的工具，如何将其进行更好的分类，成为研究的热门话题。本 文根据音乐数据本身上下文的相关性，提出基于双向长短时记忆网络的音乐情感识别模型，同时改善了基于传统神 经网络的识别模型因手工提取特征导致识别率不高的问题。 关键词 音乐情感识别；深度学习；BILSTM
情感化设计
形态——具象的形态
生活中，更多的以具像的形态综合表现情感状态。虽然或多 或少的被认为是没有深邃的设计思想内涵，但是，人们似乎 愿意接受这类设计。相比那些寓意深远、难于瞬间理解的设 计产品，率真、直接、自然、无忌的造型更让人们感到惬意 。
芬兰设计师阿尔瓦·阿尔瓦设计的萨伏依 花瓶，其设计灵感来自祖国弯弯曲曲的海 岸线，其有机的曲线设计，不同与包豪斯 的直线形态，温暖而富有情感
消费者购买动机示意图
简介
产品属性
购买决策 标准
感情变化
购买动机 出现
无购买动 机
理论
Desmet 模型
感性 工学
情感设计 三层次
三种显著理论
理论
（1）Desmet 的非口述情感测量工具，以他的产品情感模型为基础。 （2）Kansei 工程学, 即“感性工学”。 （3）唐纳德·A·诺曼教授提出的情感化设计的三种层次。
视觉——色彩
理论
色彩——共同式感受
依赖色彩本身感受 A、轻重感 B、冷暖感 C、距离感 D、味觉感
常用色彩的情感定位
本能层次——色彩
理论 色彩——情绪式 情绪式，也可称为情感功能。依赖联想。
Desmet 设计情感程序纵览
PrEmo测量软件的界面
感性工学
理论
“感性工学”最早由日本马自达汽车集团前会长山本健一于1986年在美国密西 根大学发表题为“汽车文化论”的演讲中首次提出.它是一种运用工程技术手段 来探讨“人”的感性与“物”的设计特性间关系的理论及方法.在产品设计领域, 它将人们对“物”(即已有产品、数字或虚拟产品)的感性意象定量、半定量地 表达出来,并与产品设计特性相关联,以实现在产品设计中体现“人”(这里包括 消费者、设计者等)的感性感受,设计出符合“人”的感觉期望的产品.感性工学 也是一种消费者导向的基于人因工程的产品开发支持技术,利用此技术,可将人们 模糊不明的感性需求及意象转化为细部设计的形态要素.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
号， 从低层 次的物理 现象 到高层次抽象概 念的转换 。而 试图 表 达某种 情感 的过程 ， 通常 涉及从符 号 到信号 ， 高层次 的 从
概念 到低层次 的表 达和行 为调 整之 间的转换 。 本 文参 考 Ｐ Ｃ Ｒ Ｉ Ａ Ｄ教授的理论 【， ｌ 对情 感和情 绪建模 ， 】 在
ｓ ｋｉｌ ｓ， ａｎ ｍａ － ｎ ｌ ｄ ｎ ｌａｃｈｉ ｉ ｅｒ ｔｉ ｎ ｎ ａ ｎｅ ｎｔ ａｃ ｏ ｉ ｈａ ｒｍｏ ｏｕ ｈａ ａ ｎｉ ｓ ｖｅ ｗｉ ｒａ ｅ ｄｅ ｎｇ ｏｆ ａｐ ｉ ａｔｉ ｓ． Ｉ ｐｌ ｃ ｏｎ ｔ ｈ ｔ ａ ｏ ａｓ ｈｅ ｉｄ ｆ Ｐｉ ａｒ Ｐ ｆｅ ｏｒ’ ａ ｅｃｔ ｅ ｃｏ ｐｕ ｎ ｔｈｅ ｒｙ， ａｐ ｃ ｄ ｒｏ ｓｓ ｓ ｆｆ ｉｖ ｍ ｔｉ ｇ ｏ ｐｌｙｉ ｇ ｔ ｌ ｎ ｈｅ ｉｎｅ ｒ ｓ ｔ ｓ ｔ ｅｏ ａ ｄｉ ｔ ｓｉ ｎａｌ ａ ｙｓ ｅｍ ｈ ｒｙ ｎｄ ｇｉ ａｌ ｇ
了人类的 内 在情感和 情绪 ， 并通过 ＭＴＡ 仿真实验分析证 明了模 型的正确性 。最后结合情感 的高层 次认知推理机 制 ， Ａ ＬＢ 将情感
模 型应用到情感虚拟人 当中， 形象地 实现 了情感对人脸表情变化 的控制。
关键词： 情感模 型： 信号表 示： 情绪情感理论； 面部表情
中图分类号 ：Ｐ １ Ｔ１ ８ 文献标识码 ： Ａ 文章编号 ： １ ４ ９ －２ １ ）－ ０ ７ ０ １ ７ － ７ ２ （０ ５ ０ ９ － ４ ６ ０
带信 息或消息 的任 何可检 测到 的变化 ， 音 、 势 以及 面部 声 姿 表情 ， 都是可被 人类 自 感官直接观测 到的信号 ， 然 而血压 、 荷 尔蒙水平 以及神经传导 素水平 ， 则要求用特殊的 测量 装置才 能检测 出来 。其次 ， 各种信号模 式 的组合可提供更 可靠的识 别， 攥紧手和 抬起胳膊 的姿 势结 合起 来， 可能是 一种生 气的
Ｓ ｉ ｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ ， Ｂ ｉ ｉ ｇ １０ ８ ） ｃ ｅ ｃ ｎ ｅ ｈ ｏ ｏ ｙ ｅ ｊ ｎ ０ ０ ３
摘
要： 情感模型 的建 立可 以 计算机具备基本 的情感 识别和表达 能力 ， 使 在和谐人机 交互方面有着广 泛 的应用。 中借助 文
于 Ｐｃｒ ｉａｄ教授关 于情感计算 的理 论 ， 线性系统理 论和数 字信 号处理方 法应用到 情感信号与 系统建模 上 ， 将 用信号很好地表 示
ｐ ｃｅ ｉ ｔ ｔｈ ｅ ｔｉｏ ａｌ ｒｏ ｓｓ ｎｇ ｏ ｅ ｍｏ ｎ ｓｉ ａｌ ａｎ ｓ ｓｔ ｍｏｄ ｇｎ ｓ ｄ ｙ ｅｍ ｅｌｉ ｇ， ｕｓ ｎｇ ｎ ｉ ｓｉ ａｌ ｏ ｇｎ ｔ ｅｘ ｅｓ ｔ ｉ ｐｒ ｓ ｈｅ ｎｎｅ ｈｕ ａｎ ｅｅ ｎｇ ｒ ｍ ｆ ｌｉ ｓ ａ ｓｅ ｉ ｎｔｓ ｎｄ ｎｔ ｍｅ ｆｉ ｅｌｙ， ａ ｔ ｒｏ ｈ Ａ ＡＢ ｉ ｎ ｎｄ ｈ ｕｇ Ｍ ＴＬ ｓ ｍｕｌ ｉｏ ａ ａｔ ｎ ｎａｌ ｙｓｉ ｐｒｏ ｓ ｈｅ ｏｒ ｃｔ ｓｓ ｓ ｖｅ ｔ ｃ ｒｅ ｎｅ ｏｆ ｈｅ ｔ ｍｏ ｄｅ１． Ｆｉ ｎａｌ ｙ ｌ Ｃｏ ｂｉ ｎｇ ｅ ｔｉ ｎａｌ ｈｉ －ｌ ｅｌ ｃｏ ｎｉ ｖｅ ｒ ｍ ｎｉ ｍｏ ｏ ｇｈ ｅｖ ｇ ｔｉ ｅａｓ ｎｉ ｍｅｃ ａｎｉ ｍ ｔｏ ｏ ｎｇ ｈ ｓ ａｐ ｙ ｔ ｅ ｐｌ ｈｅ ｍｏｔ ｏｎ ｍｏｄ ｔｏ ｈｅ ｖ ｒｔ ｌ ｉ ａｌ ｅｌ ｔ ｉ ｕａ ｈ ａｎ， ａ ａｃ ｅｖｉ ｇ ｈｅ ｏ ｕｍ ｎｄ ｈｉ ｎ ｔ ｃ ｎｔｒ ｏｆ ｈｅ ｏｌ ｔ ｅｍ ｏｔｉ ｎ ｏ ｔｏ ａｃｉ ｅｘｐ ｓｓ ｎｓ’ ｃｈ ｇｉ ｆ ａｌ ｒｅ ｉ０ ａｎ ｎｇ．
层
次到高层次表示的情感模型研究
Ｒ ｓ ａ ｃ ｆ Ｅ ｏ ｉ ｎ ｌ ｏ ｅ ｆ ｏ ｏ ｅ ｅ ｔ ｉ ｈ Ｌ ｖ ｌ ｅ ｅ ｒ ｈ ｏ ｍ ｔ ｏ ａ Ｍ ｄ ｌ ｒ ｍ Ｌ ｗ Ｌ ｖ ｌ ｏ Ｈ ｇ ｅ ｅ
朱飒飒 ， 巍 王
ｙ ｒ ｓ：Ｅ ｏ ｉ ｎ ｌ Ｍ ｄ ｌ ｉ ｎ ｌ ｘ ｅ ｓ ｏ ：Ｅ ｏ ｉ ｎ ｌ ｔ ｅ ｒ ｍ ｔ ｏ ａ ｏ ｅ ；Ｓ ｇ ａ Ｅ ｐ ｓ ｉ ｎ ｍ ｔ ｏ ａ ｈ ｏ ｙ；Ｆ ｃ ａ ｘ ｒ ｓ ｉ ｎ ａ ｉ ｌ Ｅ ｐ ｅ ｓ ｏ
０ 引言 当识 别某人 的情 感 时 ， 首先 ， 的感官检 测到低层 次 的 你
高 到 次
层
次
表
示
的
情
感 模
（． １温州科 技职业 学院信息技术系，浙江 温州
３５０ ； ． ２０６ ２ 北京科技大学信息工程学 院，北 京 １０８） ００３
型
研 究
（ ．ｅ ｚｏ ｏ ａ ｉ ｎ ｌ Ｃ ｌ ｅ ｅ ｏ ｃｅ ｃ ｎ ｅ ｈ ｏ ｏ ｙ ｈ ｊ ａ ｇ Ｗ ｎ ｈ ｕ ３ ５ ０ ；２Ｂ ｉ ｉ ｇＵ ｉｅ ｓｔ ｆ １Ｗ ｎ ｈ ｕＶ ｃｔ ｏａ ｏ ｌ ｇ ｆ Ｓ ｉ ｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ ，Ｚ ｅ ｉ ｎ ｅ ｚｏ ２ ０ ６ ．ｅ ｄ ｎ ｎ ｖ ｒ ｉ ｙ ｏ
Ａｂ ｔ ｃ ： ｍ ｔ ｏ ａ ｍ ｄ ｌ ｆ ｈ ｃ ｍ ｕ ｅ ｃ ｎ ｅ ｔ ｈ ｂ ｓ ｃ ｍ ｔ ｏ ａ ｉ ｅ ｔ ｆｉ ａ ｉ ｎ ｎ ｐ ｅ ｅ ｔ ｔ ｏ ｓ ｒ ｔ Ｅ ｏ ｉ ｎ ｌ ｏ ｅ ｏ ｔ ｅ ｏ ｐ ｔ ｒ ａ ｍ ｅ ｔ ｅ ａ ｉ ｅ ｏ ｉ ｎ ｌ ｄ ｎ ｉ ｃ ｔ ｏ ａ ｄ ｒ ｓ ｎ ａ ｉ ｎ ａ