随着计算机软硬件技术的发展,3D动画技术因其简便、高效、更具表现力的特点得到越来越广泛的应用。在二十世纪九十年代,中国科学院陆汝钤院士提出全过程计算机辅助动画自动生成技术,这是一种全新的基于人工智能的三维动画生成技术,它从受限的自然语言书写的故事开始,直至最终生成动画,每一步都是在计算机辅助下完成。2008年,中国科学院张松懋研究员提出将全过程计算机辅助动画自动生成技术应用在手机短信上,并从技术上实现了该设想--手机3D动画自动生成系统(动画生成系统)。机器学习已经成为当下人工智能的核心方法,各种智能学习算法被广泛地应用于预测评估等实际问题中。手机3D动画自动生成系统的整体实现采用基于知识的方法,目前面临两个问题:(1)缺乏学习能力,动画生成系统从2008年开始运行至今所积累的大量短信动画数据被浪费;(2)生成动画的质量依赖于系统设计者的水平,而系统的使用者——用户无法参与动画的生成。为了解决这两个问题,本文首次为动画生成系统设计并实现了一个动画主动学习系统,使得动画生成系统能不断地从经验中学习,生成更被用户喜爱的短信动画。具体地,根据动画背景场景在动画生成系统情节规划中的重要作用,本文的主动学习围绕动画背景场景的选择开展,通过帮助动画生成系统选择更被用户喜爱的背景场景来提高动画成品的用户满意度。本文的主要工作如下:第一,设计并实现动画主动学习系统的学习能力。设计了面向动画自动生成的随机森林模型,从积累的动画数据中挖掘对动画生成有指导作用的经验。基于动画生成系统的设计目标和实现原理,我们抽象出随机森林模型的属性和类别;对大量历史数据进行标准化处理后得到训练样本集,经过训练得到随机森林模型;利用实验不断优化随机森林模型的参数,让学习模型可以更好地指导动画生成系统生成令用户满意的动画。第二,设计并实现动画主动学习系统“主动”学习的能力。本文设计了动画主动学习系统,与动画生成系统、用户和系统管理员进行交互,能不断地接收动画生成系统的样本数据,自动扩增训练样本数目,分析样本数据库的状态,需要时向系统管理员提出更新学习模型的建议,从而实现学习的“主动性”。我们使用基于K-Means的KFF(Kernel Farthest-First)算法来实现主动学习,选出需要与用户进行交互的样本,同时为了解决KFF方法不考虑待标记样本多样性的问题,动画主动学习系统利用统计的方法对样本的新颖性进行学习。本文通过实验确定随机森林模型的相对最优参数,并通过与决策树模型的对比实验,表明我们设计实现的面向动画自动生成的随机森林模型的性能优势。统计从2017年6月1日到2018年3月1日测试的614条短信,最终渲染出动画的短信有379条,其中处理369条短信时调用了动画主动学习系统,表明了动画主动学习系统的可行性;通过动画主动学习系统,用户喜欢场景被抽中的概率得到了提高,同时降低了用户不喜欢场景被抽中的概率,从整体实现用户满意度近17%的升高,表明了动画主动学习系统的有效性。本文首次为手机3D动画自动生成系统设计并实现一个有“主动性”的动画学习系统,使得动画生成系统接收短信文本后,选择更被用户喜爱的背景场景,提高动画成品的用户满意度。动画主动学习系统与动画生成系统的各个环节紧密相连,系统效果与这些环节息息相关,进一步的研究工作包括学习模式的拓展、其他算法的探索、系统参数的优化和减少用户与系统管理员的参与工作量。