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。所以包含在语音信号中的情感信息的计算机处理研究是一个意义重大的研究课题。分析和处理语音信号中的情感特征，判断和模拟说话人的喜怒哀乐等方面的研究具有理论和应用两方面的重要意义。
2.情感分类和情感特征分析
2.1情感的分类
要研究语音信号的情感，首先需要根据某些特性标准对情感做一个有效合理的分类，然后在不同类别的基础上研究特征参数的性质。经过Plutchik等人的多年研究[3]，通过在激活评价空间上对情感进行分析，认为情感分布在一个圆形的结构上，结构的中心是自然原点。对于自然原点，认为它是一种具有各种情感因素的状态，但是由于这些情感因素在该点的强度太弱而得不到体现。通过向周围不同方向的扩展，表现为不同的情感。情感点同自然原点之间的距离体现了情感的强度。由于各种情感在自然原点的周围排成了一个圆形，所以这种对情感进行分类的方法叫做“情感轮(Emotion wheel)”。对于任何一个情感语句，可以根据其情感强度和情感方向来在情感轮所组成的二维平面中用唯一的一个情感矢量来表示。其中情感强度表现为这个情感矢量的幅度值，而情感方向则表现为该情感矢量的角度。
不同于Plutchik的分类手段，Fox提出的三级情感模型[3]，则是按照情感中表现的主动和被动的程度不同将情感分成不同的等级（如表1所示）。等级越低，分类越粗糙，等级越高，分类越精细。
表1 Fox的情感3级分类模型
1st Level Approach Withdrawal
2nd Level Joy Interest Anger Distress Disgust Fear
3rd Level Pride Concern Hostility Misery Contempt Horror Bliss Responsibility Jealousy Agony Resentment Anxiety
除上面介绍到的这两种分类方法外，还有其它一些基于不同准则的分类方法。如基于不同情感表现行为的分类[3]，基于生理特征的情感分类[3]等。尽管这些方法在原理上有所区别，但都具有相似的表现形式，目前在语音情感研究中常用的情感分类大多是如图1中所示的8情感模型或者4情感模型(喜、怒、悲、恐)。
2.2语音信号中的情感特征分析
语音之所以能够表达情感，是因为其中包含能体现情感特征的参数。情感的变化通过特征参数的差异而体现。因此研究从语音信号中提取这些反映情感的参数，对于情感语音识别具有极其重要的意义。目前很多文献对如何提取语音中的情感特征参数做了大量的研究，主要在时间构造、振幅构造、基频构造、共振峰构造等方面对情感语音加以不同的考虑。
当说话人处于不同情感状态时，会在语速上表现出一定的变化，在激动状态时，语速较平常状态要高。因此可以利用判断语音信号中的语速和发话持续时间等参数来判别情感中激动成分的程度。同语音信号中的时间特征相类似，信号的振幅特征和各种情感信息也具有较强的相关性，在喜、怒、惊等情感时往往具有较大的幅值，而悲伤情感的幅度值较低，而且这些幅度差异越大，体现出情感的变化也越大。
语音的振动速率决定了语音信号的基频（通常用F0表示），F0同理解语音的基调有关。语音的振动产生了谐波谱，它通过口腔和鼻腔时，经过了滤波，产生了一个复杂的时变谱。考虑到当同一人发出的带有不同情感而内容相同的语句时，其声道会有不同的变化，而共振峰频率与声道的形状和大小有关，每种形状都有一套共振峰频率作为其特征。因此，共振峰频率也是表达情感的特征参数之一。通常在语音情感识别时使用的主要特征参数包括以下内容[4]
表2常用语音情感识别参数
特征参数意义
Rate 语速，单位时间内音节通过的速率
Pitch Avenage 基音的均值
Pitch Range 基音的变化范围
Intensity 强度，语音信号的振幅方差
Pitch change 基音的平均变化率
F1 Avenage 第一共振峰均值
F1 Range 第一共振峰变化范围
表2所示的这些参数由于得到了大量的研究，人们对它们在不同情感下的作用基本上具有相同的认识，因此在大多数研究文献得到普遍采用。除了以上的这些特征参数以外，有的文献还使用了一些其它的参数[5]，比如前三个共振峰峰值、前三帧的共振峰的带宽、基音的标准差、LPC参数、语调包络的平坦维数等。但是关于这些参数对语音情感的影响还正在进行深入的研究，也有不少文献总结了其它各种参数和情感之间的关系，利用这些参数进行语音情感识别的研究也正在进行之中。
不同的情感在实际情况中对应的是不同的语音声道特征和激励源的统计特征。通过研究，Murray和Arnott总结了情感和语音参数的关系如表3所示[3]。
表3.情感和语音参数之间的关系(Murray&Arnott 1993)规律生气高兴悲伤恐惧厌恶
语速略快快或慢略慢很快非常快
平均基音非常高很高略低非常高非常低
基音范围很宽很宽略窄很宽略宽
强度高高低正常低
声音质量有呼吸声、胸
腔声
有呼吸声、
共鸣音调
有共鸣声不规则声音嘟囔声、胸腔声
基音变化重音处突变光滑、向上
弯曲
向下弯曲正常
宽，最终向下弯
曲
清晰度清晰正常含糊精确正常
当人处于生气的情感时，其生理特征较平时突出，如心跳加快、皮肤电压升高、血压升高等，这同时也影响到了情感特征参数的变化。首先由于生理变化的缘故，胸腔的回声和呼吸声在语音信号中所占的比重将有所增加，振幅强度也大大高于普通的情感，语速也较普通语句快，是加速句和加强句的结合。为了增加生气的效果，基音在重音处语调的突变，成为了生气状态的一个重要特征。句中的动词和修饰动词的副词和振幅强度比平均值要高一些。句子的调阈抬高，但调形不一定变平，有时它们的拱度甚至更加扩展了。句尾的感叹词的也不同于轻声，而变成类似于上声的声调。
对于高兴时的情感，语音信号中的语速一般不能准确确定，在不同的情况下会有不同的表现。与生气情感时的生理特征有相似之处，它的声音中也往往带有呼吸的声音，但是和其它情感的主要不同之处在于，人处于高兴的状态时，它的基音变化通常是一条向上弯曲的曲线。由于句子的尾部带来的影响，句子的前部和中部都比相应内容的平静语句的语速要快一些。句子的振幅强度也集中在句子的末尾的一两个字，整个句子的声调的调域要比平静语句高。由于句子的前中部语速加快，受到生理原因和语法条件的制约，句中非关键性的字和词的调形拱度就变得平坦一些，甚至失去本调，而成为前后相邻两调的中间过渡。句尾的感叹词在平叙句中读轻声，在这里语气有很强的加重，并且调形变成为先升后降的山包形。
由于悲伤情感属于压抑情感类，所以它的时长较平静语句慢，强度也大大低于其它各种情感，基音的变化也是一条向下弯曲的曲线。由于语速较慢的缘故，每一个字的读音彼此都拉得很开，所以字调的调形保留了其单字的调形，多字调
的效果弱化。但由于在悲的语句中几乎每个字都夹杂了一定程度的鼻音，所以要进行鼻音化的处理，使悲的语句的调阈降低，整个语句趋于平坦化。
恐惧情感在语速、基音、基音范围上同高兴情感、生气情感的语句相类似，不同的地方仅在于语句的清晰度较其它情感精确。在实际的识别过程中目前还没有找到识别该种情感的有效特征参数。
厌恶情感由于和生气情感具有较高的相似性，在很多研究文献中被归入生气情感中进行研究，大部分的特征参数和生气情感类似。同生气时的主要区别在于基音的变化率比较宽，并在语句末端有向下倾斜的趋势。
情感信息有一个重要的特点就是对它所处的条件具有依赖性。各国的语言和民族习惯不同，表达情感信息的方式不同。所以不能只借鉴国外的研究成果，而不结合汉语的实际情况。国外的一些情感信息处理研究成果，可能并不适合汉语的特点，所以不可能全部照搬照套。
汉语是一个声调语言，其超音段特征，例如汉语语音的时序结构、节奏的基本层次和特点、韵律词，韵律短语和语调短语的特点、在不同情况下的音高，音长，音强的特点和关系、F0的生成模型等在汉语语音信号处理以及语音情感信息处理的研究中起重要作用。在汉语语音情感信息处理的研究方面，作为基础研究，其超音段特征的研究将占较大比例。由于上述原因，对于汉语语音情感参数的选择，我们需要考虑韵律特征，也就是指在语流中由音高、音长和强度等方面的变化所表现出来的特征，又叫超音段特征。
在连续语流中，各音节的响亮程度并不完全相同，有的音节听起来比其他音节重，简单地说，这就是重音。以词为考查对象，音位学可划分为正常重音、对比重音和弱重音。人们在口语交流中，常把在表情传意方面较重要的词读得重些，把其余的词读得轻些。因此，把握词重音的特征对了解语音中蕴涵的情感具有极其重要的作用，但是，词重音的情感效果往往同词义本身具有较强的联系，要利用词重音来改进语音情感识别的效果就必须要结合表层语义识别的工作来进行。语句重音是指由于句子语法结构、逻辑语义或心理情感表达的需要而产生的句子中的重读音，它不同于词重音，因为词重音只出现在词结构中。语句重音一般分为三种，即语音重音、逻辑重音、心理重音。一般认为，重音的声学特征主要表现在时长、音高与音强三个方面，也往往是三者的结合。不同语言的重音特点不一样，对于汉语，老一辈语音学家赵元任先生认为，“汉语重音首先是延长持续时间和扩大调域，其次才是增加强度。”现代语音学家也认为，汉语重音主要表现在时长的增加（或者说是基音周期数的增加）；其次是调域的扩大和音高的提升，调型完整地展开，与发音强度的关系并不是主要的。
目前，针对汉语语音情感的特征参数的分析成果并不多（在99年8月的第4届现代汉语语音学术会议上，有一些新的成果出现），而且，如何把这些成果转化成用特征参数来表述，也还需要进一步的研究。将来的汉语语音情感分析将结合汉语语音的研究工作而进行，利用汉语语音的分析特征来进一步抽取更合适的情感参数。
一、颜色特征 1 颜色空间 1.1 RGB 颜色空间 是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、 G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0～1 或者在 0～255。 1.2 HIS 颜色空间 是指颜色的色调、亮度和饱和度,H表示色调,描述颜色的属性,如黄、红、绿,用角度 0～360度来表示;S 是饱和度,即纯色程度的量度,反映彩色的浓淡,如深红、浅红,大小限定在 0～1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0～1。 1.3 HSV 颜色模型 HSV 颜色模型依据人类对于色泽、明暗和色调的直观感觉来定义颜色, 其中H (Hue)代表色度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比RGB 系统更接近于人们的经验和对彩色的感知, 因而被广泛应用于计算机视觉领域。 已知RGB 颜色模型, 令M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为RGB 颜色模型中R、 G、 B 三分量的最大和最小值, RGB 颜色模型到HSV 颜色模型的转换公式为: S =(M A X - M IN)/M A X H = 60*(G- B)/(M A X - M IN) R = M A X 120+ 60*(B – R)/(M A X - M IN) G= M A X 240+ 60*(R – G)/(M A X - M IN) B = M A X V = M A X 2 颜色特征提取算法 2.1 一般直方图法 颜色直方图是最基本的颜色特征表示方法,它反映的是图像中颜色的组成分布,即出现了哪些颜色以及各种颜色出现的概率。其函数表达式如下: H(k)= n k/N (k=0,1,…,L-1) (1) 其中,k 代表图像的特征取值,L 是特征可取值的个数,n k是图像中具有特征值为 k 的象素的个数,N 是图像象素的总数。由上式可见,颜色直方图所描述的是不同色彩在整幅图像中所占的比例,无法描述图像中的对象或物体,但是由于直方图相对于图像以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的,而且对于图像质量的变化也不甚敏感,所以它特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。 由于计算机本身固有的量化缺陷,这种直方图法忽略了颜色的相似性,人们对这种算法进行改进,产生了全局累加直方图法和局部累加直方图法。 2.2 全局累加直方图法 全局累加直方图是以颜色值作为横坐标,纵坐标为颜色累加出现的频数,因此图像的累加直方空间 H 定义为:
图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。
设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的
聚类分析 1.1聚类分析的概念： 聚类分析法是理想的多变量统计技术，主要有分层聚类法和迭代聚类法。聚类分析也称群分析、点群分析，是研究分类的一种多元统计方法。 1.2常见的聚类分析法： K-means算法、凝聚聚类算法以及EM算法系统聚类法和Ｋ均值聚类法是聚类分析中最常用的两种方法 经典的聚类分析方法：【数据挖掘中聚类算法研究和发展-周涛】 1.2.1基于划分的相关聚类算法 K-means 算法是一种最为典型的基于划分的聚类分析算法，自从该算法被开发出来后，就一直被拿来研究和改进。该算法的主要思想是大家非常了解的，首先随机选取K个对象作为中心点，然后遍历每个数据对象，直到收敛为止。 1.2.2基于密度的相关聚类算法 DBSCAN 算法是一种较为常见的基于密度的聚类分析算法，该算法首先需要将任意的数据对象设定为核心数据对象，在Eps 范围内包含的数据对象数目要不少于Minpts 规定的个数，然后根据相应的规则来对核心对象进行合并，最终完成类簇的聚类分析。 1.2.3基于层次的相关聚类算法 BIRCH 算法[28]是一种出现较为基本且简单的可以进行良好的伸缩的层次聚类算法。该算法具有较好的聚类表现，它主要包含两个概
念：聚类特征(CF)和聚类特征树(CF-Tree)，通过这两个概念来进行描述并使得该算法能够有效地处理数据集。 1.2.4基于网格的相关聚类算法 Yang W 等人提出的STING(Statistical INformation Grid)算法的的核心思想是将目标数据集映射到矩形单元，该空间区域通过分层和递归方法进行划分，其主要是基于多分析率的网格算法。 1.2.5基于模型的相关聚类算法 EM(Exception-Maximization)算法是一种基于模型的聚类方法，该算法主要分为两步，期望步和最大化步。期望步先给定当前的簇中心，将每个数据对象划分到距离簇中心最近的簇，然后最大化步调整每个簇中心，使得该分派的数据对象到新中心的距离之和最小化，直到聚类收敛或改变充分小。 1.3目前聚类分析法的发展现状： 1.3.1高维数据聚类算法【高维数据聚类算法的研究及应用_孙志鹏】 随着信息技术的迅速发展，信息化的数据不断积累，高维空间数据的分析成为一个亟待解决的问题。因此，高维数据聚类分析成为聚类分析中一个重要的课题。目前，在高维数据聚类分析方面主要有基于传统聚类算法的改进，子空间聚类算法和基于数据对象相似度的聚类分析算法。 历经几十年的发展，研究学者已经针对不同的应用提出了许多改进的算法，大多数是基于常见的K-means算法、凝聚聚类算法以及
毕业设计 图像分割和特征提取技术研究 摘要 图像分割是图像分析的第一步，是图像理解的重要组成部分，在有关图像处理的几乎所有领域具有广泛的应用。因此，图像分割一直受到高度重视，对其研究具有十分重要的意义。长期以来，研究人员提出了许多实用的分割算法。随着统计学理论，神经网络，小波理论等在图像分割中的应用日益广泛，遗传算法、尺度空间、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，许多国内外学者也针对一些具体应用提出了许多实用有效的方法。 本文介绍了数字图像处理技术中图像分割技术的基本理论和三种图像分割方法(1)基于阈值图像分割；(2)基于边缘检测及算子分割；(3)基于区域特性的图像分割。对基于点的分割方法进行了较全面的叙述，主要研究了图像分割方法中的边缘检测法，区域提取法和阈值分割法。通过大量的理论研习。并编写了MATLAB软件程序，对各分割方法进行了仿真实验，得到分割图像。最后对于仿真进行了数据处理分析，验证了Canny算子的整体效果最好, Prewitt算子分割细致。但对于一幅图像仅仅只有只用一种方法达不到很好的效果，而根据待分割图象的不同特点，结合已知的先验知识，研究符合具体图象特性的分割模型，才是提高图象分割的重要手段。 关键词：图像分割；边缘法；区域法；阈值法；分水岭分割法
Lmage Segmentation And Feature Extraction Technology Research Abstract Image segmentation is the first step in image analysis, image segmentation is an important component of image understanding, in almost all areas of the image processing has widely application. As a result, image segmentation has been attached great importance to, its research has the very vital significance. For a long time,researchers put forward many practical segmentation algorithm. With statistics theory, the neural network, wavelet theory has been used increasingly in image segmentation, such as genetic algorithm, scale space, and nonlinear diffusion equation with the recent emergence of new methods and new ideas are constantly being used to solve the segmentation problem, many scholars at home and abroad for some specific application put forward many practical and effective method. Digital image processing techniques were introduced in This paper introduces the digital image processing technology of image segmentation technology in basic theory and three methods of image segmentation. (1) based on threshold image segmentation. (2) segmentation based on edge detection and operator; (3) the image segmentation based on region feature. On the segmentation method based on the point of narrative, mainly studies the edge of image segmentation method, region extraction method and threshold segmentation method. Through a lot of theory study. And write the MATLAB software, the segmentation method, the simulation experiment for image segmentation. Finally analyzed the data processing for simulation.Verify the Canny operator of the overall effect is best. Prewitt operator segmentation and detailed. But for an image only only one way to reach a good effect, and according to the different characteristics of for image segmentation, combined with the known prior knowledge, research in accordance with the specific image segmentation model, is an important means to improve the image segmentation. KEYWORDS：Segmentation；edge method；the regional method；threshold；watershed segmentation
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。所以包含在语音信号中的情感信息的计算机处理研究是一个意义重大的研究课题。分析和处理语音信号中的情感特征，判断和模拟说话人的喜怒哀乐等方面的研究具有理论和应用两方面的重要意义。 2.情感分类和情感特征分析 2.1情感的分类 要研究语音信号的情感，首先需要根据某些特性标准对情感做一个有效合理的分类，然后在不同类别的基础上研究特征参数的性质。经过Plutchik等人的多年研究[3]，通过在激活评价空间上对情感进行分析，认为情感分布在一个圆形的结构上，结构的中心是自然原点。对于自然原点，认为它是一种具有各种情感因素的状态，但是由于这些情感因素在该点的强度太弱而得不到体现。通过向周围不同方向的扩展，表现为不同的情感。情感点同自然原点之间的距离体现了情感的强度。由于各种情感在自然原点的周围排成了一个圆形，所以这种对情感进行分类的方法叫做“情感轮(Emotion wheel)”。对于任何一个情感语句，可以根据其情感强度和情感方向来在情感轮所组成的二维平面中用唯一的一个情感矢量来表示。其中情感强度表现为这个情感矢量的幅度值，而情感方向则表现为该情感矢量的角度。
正确认识和处理中学生情感问题 先要说明一下，为什么不叫“早恋”，而说成“情感问题”。现在已经不是授受不亲的时代了，大量影视剧的宣传播放，大批书刊报纸的刻画描写，都在影响着青少年尤其是中学生的心理和情感。心理和情感正处于发育期成长期的中学生，处在这样一个愈来愈开放的时代，不可能不受到影响。“早恋”很难概括现在中学生的心理，“情感问题”是多方面的，远比“早恋”要复杂得多。中学生心智尚未成熟，模仿性强，有些情感问题也属正常，关键问题是作为老师应该如何正确对待这些问题。 首先我们要走出两个误区。一是如同大敌当前，严防死守。当学生出现类似于“早恋”之类的问题时，不注意观察学生表现，不进行调查研究，不与学生交流，盲目的进行批评教育，致使与学生的矛盾计划，起不到教育学生解决问题的应有效果。二是放任自流，听之任之，树大自然直。这是不负责任的一种表现，对出现问题的学生，应当积极进行疏导教育，采取正确方法，帮助学生解决问题，使其回到正常轨道。 要解决好这类问题，先要知道中学生的情感特征。一是青少年的情绪不稳定，易波动。虽然青少年已有了驾驭自己的能力，但情绪的波动性却很大，从一个极端向另一个极端的转化是经常发生的。二是青少年的情绪反应强烈，易动感情。研究表明，11岁到13岁女孩和13岁到15岁男孩的情绪,最容易受到外界影响，且反应强烈。他们可能因为一场球赛而激动得几天睡不着觉，也可能因为一句玩笑而几个人打成一团……总之，他们会因为一件小事就产生强烈的情绪反应。三是情绪的外流和表达已趋于理性化。与小学生相比，中学生已经能比较理智地看问题，不再像小学生那样冲动。中学生开始注重自己的仪表，关心别人对自己的看法，因此会尽可能地使自己的外在表现既得体，又合时宜，已经能够对自己的情绪加以控制。比如，某人对某件事感到厌烦，但出于某种原因，也可以表现得不在意，甚至表现为十分热心。 以上几点，各种论述也比较多，我们都大体了解。我们更要注意的，是中学生情感内容的变化。 一方面，在中学生的情感世界中有了有关“性”的情感问题。在中学阶段，随着生理的发展和成熟，性意识开始萌发和发展，中学生对异性会逐渐产生一种朦朦胧胧的感情，渴望与异性交往。并且在言情小说或影视剧作品中体味过主人公悲喜交织的浪漫情缘之后，自身也极其希望能有一个“白雪公主”或“白马王子”似的爱情天使降落在自己身边，也正因为这一点，中学生“青春期恋爱”现象屡见不鲜。 另一方面，中学阶段是青少年生理与心理从幼稚到成熟的过渡时期，已经可以控制自己的理智。现代中学生已经形成非常强烈的“成人感”，尤其是在待人处事方面，时时处处注意以“成人”的方式表现自己，从心理上自我封闭，对于自己的真实情感不愿意轻易流露给外人知道，他们不愿被别人窥见自己的隐私，又希
图像分割概念：图像分割就是把图像分成各特性的区域并提取出感兴趣目标的技术和过程。这些区域互相不交叉，每一个区域都满足特定区域的一致性。医学图像的特点:成像设备的局限性、组织的蠕动-----伪影和噪声局部体效应------组织边缘模糊病变组织---------病变边缘不明确不均匀的组织器官-------灰度不均匀模糊、不均匀、个体差异、复杂多样医学图像分割方法的特点1、分割算法一般面向具体的分割任务，没有通用的方法2、重视多种分割算法的有效结合3、需要利用医学中大量领域的知识4、交互式分割方法受到日益重视图像分割算法基于区域的分割方法基于边缘的分割方法基于数学形态学的分割方法灰度阈值法:灰度值域法是把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界. 令f(x,y)原始图像 阈值的选取:1直方图法（极小值点阈值） 2 最小误差阈值 3 迭代阈值分割 4 最大方差阈值分割边缘检测（Edge Detection）:基本思想是先检测图像中的边缘点，再按照某种策略将边缘沿点连接成轮廓，从而构成分割区域。边缘：指图像局部亮度变化显著的部分. 边缘的检测方法:最简单的边缘检测方法是并行微分算子法。利用相邻区域的像素值不连续的性
质，采用一阶或二阶导数来检测边缘点。一阶导数求极值点，二阶导数求过零点。一阶梯度算子:Roberts交叉算子Sobel算子 Priwitt 算子二阶拉普拉斯算子:在此基础上LoG 算子 Canny算子 :推导了最优边缘检测算子区域生长(region growing) 基本思想：将具有相似性质的像素集合起来构成区域。具体步骤：先对每个需要分割的区域找一个种子象素作为生长的起点，然后将种子象素周围邻域中与种子象素具有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子象素所在的区域中。将这些新象素当作新的种子象素继续进行上面的过程，直到在没有满足条件的像素可被包括进来。这样一个区域就生长了。解决的问题：① 如何选择一组能正确代表所需区域的种子象素； ② 如何确定在生长过程中能将相邻象素包括近来的准则；③如何确定生长终止的条件或规则例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。起始第二步第三步558655865586 48974897 4897 228322832283 333333333333 分裂合并(splitting and merging) 基本思想：从整幅图像开始通过不断分裂得到各个区域．具体步骤：先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足
摘要 对图像进行研究和应用时，人们往往对图像中的某些部分感兴趣，这些部分常被称为目标或对象 目标或对象特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 本课设需要解决的问题是，利用阈值分割方法,对该图像进行分割,得到提取那个目标后的二值图像，计算该目标的面积、周长、中心坐标等三个参数。阈值分割采用的是全局阈值分割方法,而面积、周长的计算则是先通过将图像转换成二值图像，在通过计算二值图像像素点的方式求取。 关键词：阈值分割,边缘检测，像素点
１绪论 目标的特征提取是图像处理和自动目标识别（ＡTR)中的一个重要的研究课题,是解决图像识别问题的难点和关键。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算,输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 有时,假如特征提取需要许多的计算时间，而可以使用的时间有限制,一个高层次算法可以用来控制特征提取阶层,这样仅图像的部分被用来寻找特征。 由于许多计算机图像算法使用特征提取作为其初级计算步骤,因此有大量特征提取算法被发展,其提取的特征各种各样，它们的计算复杂性和可重复性也非常不同。 2 设计原理 2.1 常用的特征提取的方法 提取图像空间关系特征可以有两种方法：一种方法是首先对图像进行自动分割,划分出图像中所包含的对象或颜色区域,然后根据这些区域提取图像特征，并建立索引；另一种方法则简单地将图像均匀地划分为若干规则子块,然后对每个图像子块提取特征,并建立索引。 本课程设计是采用的第一种方法,即先对该图像进行分割，得到提取那个目标后的二值图像，计算该目标的面积、周长、中心坐标等三个参数。阈值分割采用的是全局阈值分割方法,而面积、周长的计算则是先通过将图像转换成二值图像,在通过计算二值图像像素点的方式求取。其中计算周长时，先需要对二值图像进行边缘检测,然后再统计其像素点。 ２.2 阈值分割原理 图像阈值化分割是一种最常用,同时也是最简单的图像分割方法,它特别适用于目标和背景占据不同灰度级范围的图像［1］。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤,因此在很多情况下，是进行图像分析、特征
中学生的情感特点 日常生活中，有的事使人愉快，有的事使人忧愁，有的事让人赞叹，有的事使人激动，有的事使人愤怒，有的事使人恐惧。愉快、忧愁、赞叹、激动等形式都是人的情绪和情感的表现。 用心理学的术语来讲，情绪和情感是人对于客观现实是否满足自己的需要而产生的内心体验。情绪情感和人的需要直接相关，当客观事物符合自己的需要时就会产生满意、愉快、欢乐等积极的情绪情感；否则就会产生忧伤、沮丧、恐惧等消极的情绪情感。 比如有一天，小明和妈妈一块上街，小明想要一个变形金刚，可是妈妈不肯给他买，小明马上就会满脸的不高兴，因为妈妈没有满足小明的要求。情感在我们的生活中有着重要作用，积极的情感可以焕发出惊人的力量，使我们积极乐观地生活，同时我们的热情也能够感染周围的人，而消极的情感则会给我们的生活增添灰暗的色彩，造成不良影响。 人的情感特征及表现形式我们的情感都是在客观事物的作用下产生的，是极为丰富和复杂的，但一般都具有下列特征： 其一，情感的两极性：是指人们在一定的情境中出现的相对立的两种情感，例如快乐和悲哀、轻松和紧张、平静和激动、高兴与生气等都是情感两极性的表现。 其二，情感的情境性：我们的情感总是在一定的情境中产生的，情境中的各种因素对情感的产生有重要作用。例如，我们和多年未见面的好朋友不期而遇时，肯定会非常高兴，甚至激动得流下眼泪。 其三，情感的感染性：在一定条件下，一个人的情感可以感染别人，使之发生同样的或与之相联系的情感。有人说："把你的快乐让朋友分享，你的快乐就会加倍，把你的忧愁让朋友分担，你的忧愁就会减半。"这句话说的就是情感的感染性。在我们的生活中，我们常常容易为别人的故事动容，表现出情感上的共鸣。 其四，情感的移情性：这是指人们不自觉地把自己的情感赋予外物、外人，结果好像外物也有这种情感。记得唐朝著名诗人杜甫的诗句吗？"感时花溅泪，恨别鸟惊心"说的就是情感的移情性。人生自古伤别离，这种离情深深地困扰着诗人的心，使他觉得自然界的花鸟都会被他所感动。 情感的表现形式是多种多样的，最基本的形式有激情、心境和热情。激情是一种强烈而短暂的情感体验，是由对人有重大意义的客观事物或者过度的兴奋和抑制引起的。例如愤怒、恐惧、绝望等。处于激情状态时，人的认识活动范围往往会缩小，自制力减弱，因而不能正确地评价自己的意义和后果，不能约束自己的行动，就会导致不良结果。例如在公共汽车上，如果别人不小心踩了你一脚又没有道歉，你可能觉得非常生气，怒不可遏，就和别人吵起来了。 心境是一种比较持久的、微弱的，能影响人的整个精神活动的情感体验。它在某段时间内影响着一个人的全部行为和全部生活，使人的言行都会染上一定的情感色彩。心境平静幸福的人，觉得生活中的一切都是美好而祥和的，即使见到一个陌生人，说不定也会对那人微笑，而心境忧愁悲伤的人，则会看什么都不顺眼，觉得周围的人都跟自己过不去，甚至独自黯然神伤。 热情是一种深厚而固定持久的情感。一个人的了热情，往往持久不衰，做什么事都很卖劲。热情控制着我们的整个身心，影响着我们对生活的态度。假如我们对生活充满热情，我们就会在生活中关心他人、热爱工作。
北京建筑工程学院 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称《主成分分析和聚类分析》实验地点：基础楼C-423日期__2016.5.5_____ 姓名张丽芝班级信131 学号201307010108___指导教师王恒友成绩 （1）熟悉利用主成分分析进行数据分析，能够使用SPSS软件完成数据的主成分分析； （2）熟悉利用聚类分析进行数据分析，能够运用主成分分析的结果，做进一步分析，如聚类分析、回归分析等，能够使用SPSS软件完成该任务。 【实验要求】 根据各个题目的具体要求，分别运用SPSS软件完成实验任务。 【实验内容】 1、表4.9（数据见exercise4_5.txt）给出了1991年我国30个省市、城镇居民的月平均 消费数据，所考察的八个指标如下：（单位均为元/人） X1: 人均粮食支出； X2：人均副食支出； X3: 人均烟酒茶支出； X4: 人均其他副食支出； X5:人均衣着商品支出； X6: 人均日用品支出； X7: 人均燃料支出； X8: 人均非商品支出。 （1）求样本相关系数矩阵R。 （2）从R出发做主成分分析，求出各主成分的贡献率及前两个主成分的累积贡献率； 2、（1）对题1中的数据，按照原有的八个指标，对30个省份进行聚类，给出分为3类的聚类结果。 （2）利用题1得到的前2个主成分指标，分别按最短距离法（最近邻居距离）、最长距离法（最远邻居距离）、类平均距离法（组间平均距离）、重心距离法；其中距离均采用欧式平方距离，对样本进行谱系聚类分析，并画出谱系聚类图；给出分为3类的聚类结果。并与（1）的结果进行比较 【实验步骤】（此部分主要包括实验过程、方法、结果、对结果的分析、结论等） 1 1）
中学教育知识与能力考点归纳：中学生情绪和情感发展 一、情绪和情感概述 (一)情绪和情感的含义情绪是由认知因素和生理因素共同构成的反应或经验，情绪中既包含认知成分，也包含生理成分，这两者的结合产生各种各样的情绪。 情感是人对客观现实的一种特殊的反映形式，是人对外界事物的态度，是人对客观现实是否符合人的需要而产生的体验。人的情感是在认识的基础上产生和发展的。首先，情感是由认识而产生的。例如，中学生听见优美的音乐而感到愉快，这快乐的情绪就是由知觉而产生的;回想起亲人去世的场面而感到悲伤，这种情绪就是由记忆而产生的;想到生日时可以得到爸爸的礼物而感到兴奋，这种情绪就是由想象而产生的;解答不出数学难题而感到懊恼，这种情绪就是伴随着思维产生的。其次，认识的发展也会导致情绪产生变化和发展。例如，学龄前儿童对祖国的意识较为淡薄，爱国情感不强;入学后随着历史、地理和人文知识的丰富，对祖国的认识也随之加深，爱国情绪也从无到有，由弱变强。 (二)情感的生理基础和外部表现 研究表明，情感的体验是由大脑皮层下的中枢神经的兴奋和植物性神经系统的活动所决定的。情感发生时，会引起有机体内部器官发生一系列的变化，并相应地产生不同的外部表现。例如，发怒时，肾上腺素的分泌增加，血液中含糖量升高，就会产生心跳加速和呼吸加快等外部表现。情感的外部表现在面部表
情、身体姿势和言语声调等方面表现得尤为明显。例如，高兴时人的面部肌肉舒张、动作灵活、声调轻快;悲伤时头部低垂、言语缓慢、说话断断续续。 (三)情感对人的影响 人的情感不是一种消极的内心体验，而是一种积极的力量，能对人的心理和行为产生重大的影响。情感对人的影响主要体现在以下三个方面。 1.情感影响着人们的认识和态度。 2.情感能调节人的行为活动。 3.人的情感表现也是交流思想的一种手段。 (四)情感的特性 人的情感是十分复杂的，具有两极性，表现在多个方面。 1.情感的两极性表现在情感的肯定和否定的对立性上，如满意和不满意、愉快和悲伤、爱和憎等。 2.情感的两极性表现为积极的或增力的、消极的或减力的，如愉快的情感驱使人积极地行动，悲伤的情感引起的郁闷会削弱人的活动能力。 3.情感的两极性表现为紧张和轻松、激动和平静等相对立的情绪上。 4.情感的两极性表现在强度上，从弱到强的两极状态，如从愉快到狂喜、从微愠到暴怒等;也表现在深刻度上，如同样的情感有着不同的由来。
主成分分析、聚类分析的比较与应用
主成分分析、聚类 分析的比较与应用 摘要：主成分分析、聚类分析是两种比较有价值的多元统计方法,但同时也是在使用过程中容易误用或混淆的几种方法。本文从基本思想、数据的标准化、应用上的优缺点等方面,详细地探讨了两者的异同,并且 举例说明了两者在实际问题中的应用。 关键词：spss、主成分分析、聚类分析
一、基本概念 主成分分析就是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。综合指标即为主成分。所得出的少数几个主成分，要尽可能多地保留原始变量的信息，且彼此不相关。因子分析是研究如何以最少的信息丢失，将众多原始变量浓缩成少数几个因子变量，以及如何使因子变量具有较强的可解释性的一种多元统计分析方法。 聚类分析是依据实验数据本身所具有的定性或定量的特征来对大量的数据进行分组归类以了解数据集的内在结构，并且对每一个数据集进行描述的过程。其主要依据是聚到同一个数据集中的样本应该彼此相似，而属于不同组的样本应该足够不相似。 二、基本思想的异同 （一）共同点 主成分分析法和因子分析法都是用少数的几个变量(因子) 来综合反映原始变量(因子) 的主要信息，变量虽然较原始变量少，但所包含的信息量却占原始信息的85 %以上，所以即使用少数的几个新变量，可信度也很高，也可以有效地解释问题。并且新的变量彼此间互不相关，消除了多重共线性。这两种分析法得出的新变量，并不是原始变量筛选后剩余的变量。在主成分分析中，最终确定的新变量是原始变量的线性组合，如原始变量为x1 ，x2 ，. . . ，x3 ，经过坐标变换，将原有的p个相关变量xi 作线性变换，每个主成分都是由原有p 个变量线性组合得到。在诸多主成分Zi中，Z1 在方差中占的比重最大，说明它综合原有变量的能力最强，越往后主成分在方差中的比重也小，综合原信息的能力越
摘要 纹理特征是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。 本文在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述和分类，最后重点研究了基于灰度共生矩阵的图像纹理提取方法，研究如何有效地提取图像纹理特征来对图像进行描述，通过特征值来对图像进行识别。 灰度共生矩阵是一种简单有效的图像纹理特征描述方法，该方法的优势在于：它能利用了图像中像素相对位置的空间信息更加准确地描述图像的纹理，本文就是利用图像灰度共生矩阵的这一特性，从该矩阵中提取相应的统计参量作为纹理特征来实现对图像的识别。 关键字：灰度共生矩阵，纹理特征提取，图像识别
ABSTRACT Texture is a kind of important visual clues in images , it is widespread but cannot easy to be described . Texture classification and segmentation is a enduring popular research field in image processing area. Texture feature extraction has been the focus of attention,due to its priority to texture classification and image segmentation. all sorts of texture feature extraction methods has been emerged in endlessly. On the basis of extensive literature investigation, we review the texture feature extraction methods, analyze the development of the research status of the texture feature extraction methods and make a comprehensive review of its classification . Finally ,based on gray symbiotic matrix image problem extraction methods,we research how to effectively extract image texture feature described by the image characteristic value to image recognition. Graylevel co-occurrence matrix is a simple and effective image texture description method.This method's advantage is: it can use the image pixels relative positions of the spatial information more to accurately describe the texture image.This paper use the graylevel co-occurrence matrix of the properties to extract statistics from the matrix corresponding as texture feature parameters to realize image recognition. KEY WORDS: graylevel co-occurrence matrix, texture feature extraction, image recognition
第二节中学生的情绪情感发展 一、情绪与情感（填空） 情绪和情感是客观事物是否符合个体的需要而产生的态度体验 二、情绪与情感的分类（选择） （一情绪分类） 根据主体与客体之间的关系的不同，一种可以把情绪划分为快乐、悲哀、愤怒、恐惧四种基本形式，依据情绪发生的强度、持续性和紧张度的不同，可以吧情绪状态划分为心境、激情和应激。后一种分类被较多采用，下面逐一进行阐述。 1.心境 心境是一种微弱的，持续时间较长的，带有弥散性的心理状态。心境一经产生就不值表现在某一特定对象上，而是在相当长的一段时间内，使人的整个心理活动都被染上某种情绪色彩，影响人的整个行为表现，成为情绪生活的主导。所谓“忧者见之则忧，喜者见之则喜”说的就是这种情绪状态。 2.激情 激情是一种爆发式、猛烈而短暂的情绪状态，狂喜、暴怒、恐怖、绝望等都是激情的表现。他往往带有特定的指向性和较明显的外部行为表现，如暴跳如雷、浑身战栗、手舞足蹈等。 3.应激 应激是在出乎意料的紧迫情况下引起的一种激素而紧张的情绪状态。 （二）情感的分类 1.道德感 道德感是根据一定社会的道德标准，对人的思想、行为作出评价时所产生的情感体验。 2.理智感 理智感是在认知活动中，人们认识、评价事物时所产生的情感体验。 3.美感 美感是根据一定的审美标准评价事物时所产生的情感体验。 三、情绪理论（选择） （一）早期的情绪理论 1.詹姆斯--兰格理论 把他们的理论成为情绪的外周理论，即詹姆斯--兰格情绪学说。
2.巴甫洛夫的动力定型理论 3.坎农--巴德学说 （二）情绪的认知理论 1.阿诺德的评定--兴奋说 美国心理学家阿诺德在20世纪50年代提出了情绪的评定--兴奋学说。 2.沙特赫的两因素情绪理论 3.拉扎勒斯的认知--评价理论 （三）情绪的动机--分化理论 四、中学生常见的情绪问题（选择） （一）抑郁 所谓抑郁就是人们常说的忧郁，它是一种以情感低落为主要表现的心理状态。 （二）焦虑 所谓焦虑是指当一个人预测将会有某种不良后果产生，或模糊的威胁出现时的一种不愉快的情绪体验。主要表现为紧张不安、忧虑、烦恼、害怕。 （三）强迫 这里所说的强迫，并非指强迫症，而主要是指出自内心，虽无意义却反复出现，但有时也能定制和摆脱的某些观念和行为。它属于一种意志上的心理问题。 自我强迫主要表现为强迫观念和强迫行为这两方面。强迫观念主要表现为对已做妥的事情感到不放心，如出门后又回到门前，检查一下门是否锁好了；对当前事物常常联想到一些可怕或不详的情景，如看到安全行驶的汽车，有时会联想到严重的车祸；脑子里经常浮现过去的某段经历；明知没有必要研究，却反复思考，如“世界上是先有鸡还是先有蛋”强迫行为则是屈服于强迫观念的具体动作。如过渡洗手，认为手总是越洗越干净，于是一遍一遍反复洗手。 （四）恐惧 恐惧作为一种心理问题，是指对某种特定对象或境遇产生了强烈、非理性的害怕。（五）易怒 所谓易怒就是指容易冲动、急躁，爱发脾气。 五、中学生情绪的特点（选择） （一）情绪情感的两极性 青少年情绪情感最突出的特点是其两极性的表现。霍尔把青春期说成是疾风怒涛期