| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-11页 |
| 1.2.1 人体行为识别研究现状 | 第10页 |
| 1.2.2 情感计算研究现状 | 第10-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 第2章 人体行为识别和情感识别技术 | 第13-27页 |
| 2.1 移动用户人体行为识别方法 | 第13-14页 |
| 2.2 分类识别算法 | 第14-18页 |
| 2.2.1 支持向量机 | 第15页 |
| 2.2.2 决策树 | 第15-17页 |
| 2.2.3 深度神经网络 | 第17-18页 |
| 2.3 属性学习的理论依据 | 第18-22页 |
| 2.3.1 属性学习的介绍 | 第19页 |
| 2.3.2 属性学习框架 | 第19-21页 |
| 2.3.3 二值属性与相关属性 | 第21-22页 |
| 2.4 多模态情感识别方法 | 第22-25页 |
| 2.4.1 多模态情感识别过程简介 | 第22页 |
| 2.4.2 基于生理信号的情感识别 | 第22-23页 |
| 2.4.3 基于视频信号的情感识别 | 第23-24页 |
| 2.4.4 多模态信息融合 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 低层特征与高层语义融合的人体行为识别方法 | 第27-43页 |
| 3.1 低层与高层特征融合的识别方法模型构建 | 第27-28页 |
| 3.2 随机森林算法 | 第28-30页 |
| 3.2.1 随机森林的基分类器——决策树 | 第28-29页 |
| 3.2.2 随机森林的构建过程 | 第29-30页 |
| 3.2.3 随机森林的生成和算法的学习过程 | 第30页 |
| 3.3 高层语义特征的人体行为识别 | 第30-34页 |
| 3.3.1 属性-行为矩阵的构建 | 第32-33页 |
| 3.3.2 属性检测器 | 第33页 |
| 3.3.3 属性分类器 | 第33-34页 |
| 3.4 低层特征与高层语义特征分类融合 | 第34-35页 |
| 3.5 实验设计与分析 | 第35-41页 |
| 3.5.1 实验数据集和实验设置 | 第35-36页 |
| 3.5.2 数据预处理 | 第36页 |
| 3.5.3 实验步骤 | 第36-38页 |
| 3.5.4 实验结果分析 | 第38-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 基于视频和多源生理信号的多模态情感识别方法 | 第43-57页 |
| 4.1 多模态情感识别方法模型构建 | 第43-44页 |
| 4.2 多模态深度信念网络 | 第44-45页 |
| 4.3 多模态特征提取 | 第45-51页 |
| 4.3.1 多生理信号特征提取 | 第45-49页 |
| 4.3.2 视频信号特征提取 | 第49-50页 |
| 4.3.3 多模态特征融合与分类 | 第50-51页 |
| 4.4 实验设计与分析 | 第51-55页 |
| 4.4.1 实验数据集和实验设置 | 第51页 |
| 4.4.2 数据预处理 | 第51-53页 |
| 4.4.3 实验结果分析 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间取得的研究成果 | 第63-65页 |
| 致谢 | 第65页 |