| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 研究背景 | 第10-11页 |
| 1.2.2 国内研究状况 | 第11-12页 |
| 1.3 本文结构安排 | 第12-13页 |
| 1.4 本文研究工作及创新点 | 第13-14页 |
| 第二章 相关背景知识介绍 | 第14-31页 |
| 2.1 情感模型 | 第14-16页 |
| 2.1.1 离散情感模型 | 第14-15页 |
| 2.1.2 维度情感模型 | 第15-16页 |
| 2.1.3 两种情感模型的对比 | 第16页 |
| 2.2 非线性特征提取相关理论 | 第16-27页 |
| 2.2.1 非线性动力学系统理论 | 第16-18页 |
| 2.2.2 相空间重构 | 第18-24页 |
| 2.2.3 递归图理论 | 第24-26页 |
| 2.2.4 递归定量分析 | 第26-27页 |
| 2.3 特征选择相关理论 | 第27-30页 |
| 2.3.1 蚁群算法 | 第27-28页 |
| 2.3.2 粒子群算法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 生理信号的采集和处理 | 第31-37页 |
| 3.1 皮肤电信号和脉搏信号介绍 | 第31-32页 |
| 3.1.1 皮肤电信号 | 第31页 |
| 3.1.2 脉搏信号 | 第31-32页 |
| 3.2 生理信号采集方案 | 第32-35页 |
| 3.2.1 情感诱发方案 | 第32-33页 |
| 3.2.2 采集系统 | 第33-34页 |
| 3.2.3 采集流程 | 第34-35页 |
| 3.3 生理信号的处理 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 信号特征提取与特征选择 | 第37-46页 |
| 4.1 非线性特征提取 | 第37-38页 |
| 4.2 线性特征提取 | 第38-39页 |
| 4.3 基本特征选择 | 第39-42页 |
| 4.3.1 蚁群算法流程 | 第39-40页 |
| 4.3.2 粒子群算法流程 | 第40-42页 |
| 4.4 混合算法特征选择 | 第42-45页 |
| 4.4.1 蚁群算法的改进 | 第42-43页 |
| 4.4.2 交叉变异操作 | 第43页 |
| 4.4.3 混合算法 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 情感分类识别与分析 | 第46-59页 |
| 5.1 分类器选取 | 第46-50页 |
| 5.1.1 神经网络 | 第46-47页 |
| 5.1.2 K近邻 | 第47-48页 |
| 5.1.3 朴素贝叶斯 | 第48页 |
| 5.1.4 决策树 | 第48-50页 |
| 5.2 判断准则 | 第50-51页 |
| 5.3 统计特征与非线性特征识别 | 第51-53页 |
| 5.4 融合非线性特征与统计特征识别 | 第53-57页 |
| 5.4.1 采用蚁群算法进行特征选择并识别 | 第53-55页 |
| 5.4.2 采用粒子群算法进行特征选择并识别 | 第55-56页 |
| 5.4.3 采用混合蚁群算法和粒子群算法进行特征选择并识别 | 第56-57页 |
| 5.5 情感识别结果分析 | 第57-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |