基于智能手机传感器的用户情绪识别技术研究
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 基于面部表情的情绪识别研究现状 | 第15-16页 |
| 1.2.2 基于语音语调的情绪识别研究现状 | 第16-17页 |
| 1.2.3 基于生理信号的情绪识别研究现状 | 第17页 |
| 1.2.4 基于人体姿态的情绪识别研究现状 | 第17-18页 |
| 1.2.5 基于智能手机的情绪识别研究现状 | 第18页 |
| 1.3 研究内容 | 第18-20页 |
| 1.4 论文结构 | 第20-21页 |
| 第二章 相关技术研究 | 第21-32页 |
| 2.1 情绪分类模型 | 第21-23页 |
| 2.1.1 基本情绪模型 | 第21-22页 |
| 2.1.2 维度空间模型 | 第22-23页 |
| 2.1.3 分析比较 | 第23页 |
| 2.2 数据处理过程 | 第23-26页 |
| 2.2.1 数据预处理 | 第24-25页 |
| 2.2.2 特征提取 | 第25-26页 |
| 2.3 分类算法 | 第26-31页 |
| 2.3.1 支持向量机(SVM) | 第27-28页 |
| 2.3.2 k-近邻(k NN)算法 | 第28页 |
| 2.3.3 决策树 | 第28-29页 |
| 2.3.4 随机森林 | 第29-30页 |
| 2.3.5 Ada Boost | 第30-31页 |
| 2.3.6 梯度树提升(GTB) | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 数据收集和存储机制研究 | 第32-41页 |
| 3.1 预调查—网络问卷调查 | 第32-34页 |
| 3.1.1 问卷调查内容的设计 | 第32-33页 |
| 3.1.2 问卷调查的发放和回收 | 第33页 |
| 3.1.3 问卷调查结果分析 | 第33-34页 |
| 3.2 数据收集 | 第34-38页 |
| 3.2.1 手机传感器数据收集 | 第35-37页 |
| 3.2.2 情绪数据收集 | 第37-38页 |
| 3.3 数据存储机制 | 第38-40页 |
| 3.3.1 数据存储格式 | 第38-39页 |
| 3.3.2 基于JSON格式的数据实现 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 多维移动数据的处理机制 | 第41-51页 |
| 4.1 数据的预处理 | 第41-44页 |
| 4.1.1 JSON解析 | 第41-43页 |
| 4.1.2 离散数据的完整性和一致性处理 | 第43页 |
| 4.1.3 连续数据的离散化处理 | 第43-44页 |
| 4.2 运动类感知数据的特征提取 | 第44页 |
| 4.2.1 加速度计、陀螺仪和磁力计的特征提取 | 第44页 |
| 4.2.2 活动状态的特征提取 | 第44页 |
| 4.3 环境类感知数据的特征提取 | 第44-47页 |
| 4.3.1 光传感器的特征提取 | 第44-45页 |
| 4.3.2 GPS的特征提取 | 第45-47页 |
| 4.4 手机使用数据的特征提取 | 第47-49页 |
| 4.4.1 社交信息的特征提取 | 第47-48页 |
| 4.4.2 手机使用信息的特征提取 | 第48-49页 |
| 4.4.3 手机状态信息的特征提取 | 第49页 |
| 4.5 数据特征归纳 | 第49页 |
| 4.6 数据归一化 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 多维移动数据的用户情绪识别 | 第51-67页 |
| 5.1 数据集、情绪识别方法和评估基准 | 第51-54页 |
| 5.1.1 数据集 | 第51-53页 |
| 5.1.2 情绪识别方法和评估基准 | 第53-54页 |
| 5.2 基于特征融合的情绪识别 | 第54-59页 |
| 5.2.1 特征级融合 | 第54-56页 |
| 5.2.2 实验结果与分析 | 第56-59页 |
| 5.3 基于结果融合的情绪识别 | 第59-65页 |
| 5.3.1 结果级融合 | 第59-61页 |
| 5.3.2 实验结果与分析 | 第61-65页 |
| 5.4 相关工作比较 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者在学期间取得的学术成果 | 第75页 |
