| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 离散情感模型 | 第11-12页 |
| 1.2.2 连续情感模型 | 第12-14页 |
| 1.3 基于连续情感模型的表情识别 | 第14-17页 |
| 1.3.1 连续表情识别流程概述 | 第14页 |
| 1.3.2 连续表情识别中的特征提取方法概述 | 第14-15页 |
| 1.3.3 连续表情识别中的回归方法概述 | 第15-16页 |
| 1.3.4 基于连续情感模型的数据集 | 第16-17页 |
| 1.4 论文主要工作 | 第17-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第2章 相关理论基础 | 第20-29页 |
| 2.1 表情特征提取方法 | 第20-23页 |
| 2.1.1 局部二值模式 | 第20-21页 |
| 2.1.2 Gabor小波变换 | 第21-22页 |
| 2.1.3 局部相位变换 | 第22-23页 |
| 2.2 Arousal与Valence维度上的心理学研究 | 第23-24页 |
| 2.3 多输出回归算法理论 | 第24-25页 |
| 2.3.1 多输出回归算法简介 | 第24页 |
| 2.3.2 多输出回归算法基本理论 | 第24-25页 |
| 2.4 回归结果评价指标 | 第25-26页 |
| 2.5 稀疏表示理论 | 第26-28页 |
| 2.5.1 稀疏表示简介 | 第26-27页 |
| 2.5.2 稀疏表示基本理论 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于MSVR的两层融合表情识别 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 Arousal和Valence维度之间的相关性分析 | 第29-30页 |
| 3.3 基于MSVR的两层融合表情识别方法 | 第30-31页 |
| 3.4 MSVR简介 | 第31-33页 |
| 3.5 实验与结果分析 | 第33-37页 |
| 3.5.1 实验设置 | 第33-34页 |
| 3.5.2 不同回归方法的对比实验 | 第34-35页 |
| 3.5.3 本章提出的方法与传统基于特征融合方法的对比 | 第35-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 基于SR的特征选择和输出相关性的表情识别方法 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 基于SR的特征选择和输出相关性的表情识别方法 | 第39-40页 |
| 4.3 基于稀疏表示的特征选择 | 第40-41页 |
| 4.4 输出相关性决策级融合 | 第41-42页 |
| 4.5 实验与结果分析 | 第42-47页 |
| 4.5.1 用PCA进行降维和用SR进行特征选择的对比实验 | 第42-44页 |
| 4.5.2 特征选择后采用SVR和MSVR作为回归算法的对比实验 | 第44-46页 |
| 4.5.3 不同决策级融合方法的对比实验 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 基于Arousal-Valence情感模型的表情识别系统设计与实现 | 第48-59页 |
| 5.1 引言 | 第48-49页 |
| 5.2 系统设计流程 | 第49-50页 |
| 5.3 表情提取和图像预处理 | 第50-52页 |
| 5.4 系统功能模块 | 第52-54页 |
| 5.4.1 数据导入模块 | 第52-53页 |
| 5.4.2 基于MSVR的两层融合表情识别训练模块 | 第53页 |
| 5.4.3 基于SR的特征选择和输出相关性融合的表情识别训练模块 | 第53页 |
| 5.4.4 表情预测模块 | 第53-54页 |
| 5.5 系统测试 | 第54-57页 |
| 5.5.1 表情提取工具测试 | 第54-55页 |
| 5.5.2 基于MSVR的两层融合表情识别训练模块测试 | 第55-56页 |
| 5.5.3 基于SR的特征选择和输出相关性融合的表情识别训练模块测试 | 第56页 |
| 5.5.4 表情预测模块测试 | 第56-57页 |
| 5.6 本章小结 | 第57-59页 |
| 第6章 结束语 | 第59-61页 |
| 6.1 研究工作总结 | 第59-60页 |
| 6.2 后续研究工作 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第69页 |
