摘要：绘画图像情感预测是目前情感计算中的一个研究热点。目前抽象画来源少,样本量小,其情感分析大多数采用的是图像低层特征,而且准确率不高。为此,提出一种基于特征融合的小样本抽象画图像情感预测方法。首先,分析了抽象艺术理论中组成绘抽象画的基本元素(点、线、面和颜色)与人类情感的关系,依据这些理论量化出抽象画图像的低层特征;然后,采用迁移学习算法,基于大样本数据在预训练网络上得到参数,并迁移至目标模型,再在小样本数据上对目标模型进行微调,得到图像高层特征;最后,将低层与高层特征进行线性融合,采用多分类支持向量机(SVM)实现抽象画图像的情感预测。在3个小样本抽象画数据集上进行实验,结果表明,与直接采用低层特征的方法相比,所提方法的分类准确率有所提高,证实了它在小样本抽象画的情感研究中的有效性。

摘要：采用传统模糊PID控制算法的ΔK_(p)规则库对K_(p)参数进行在线修正时,存在精准度不足的问题,对此提出了ΔK_(p)规则库优化后的模糊PID算法,并对其控制性能进行了研究。根据PID整定的专家经验分析了ΔK_(p)规则库,并明确了其中不合理的规则,对其进行了调整与改进,完成了对ΔK_(p)规则库的优化;基于优化后的ΔK_(p)规则库设计了改进模糊PID控制器;最后,借助多领域协同仿真技术,以阀控缸系统为被控对象,对规则改进后的模糊PID控制器的性能进行了仿真研究。研究结果表明:在对K_(p)参数进行在线修正时,相比于传统的ΔK_(p)规则库,新的ΔK_(p)规则库更加灵活与准确,能克服原有ΔK_(p)规则库存在的问题,使改进模糊PID控制器的伺服跟踪精度和抗干扰能力都得到显著提升;相比于PID和传统模糊PID,改进模糊PID控制器的控制性能可分别提高18.62%和32.61%。