| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究的背景和意义 | 第12-14页 |
| ·课题研究的背景 | 第12页 |
| ·课题研究的意义 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·E-learning系统简介及研究现状 | 第14-15页 |
| ·情感的数学模型研究现状 | 第15-17页 |
| ·主要研究内容 | 第17页 |
| ·论文的章节结构 | 第17-20页 |
| 第2章 E-learning中情绪认知建模基础及原理 | 第20-32页 |
| ·情绪的定义及与认知的关系 | 第20页 |
| ·情绪的定义 | 第20页 |
| ·情绪与认知的关系 | 第20页 |
| ·学业情绪的定义、分类及影响因素 | 第20-22页 |
| ·学业情绪的定义 | 第21页 |
| ·学业情绪的分类 | 第21-22页 |
| ·学业情绪与认知 | 第22页 |
| ·OCC情绪模型原理和三维学业情绪空间 | 第22-25页 |
| ·OCC情绪模型 | 第22-23页 |
| ·具有反向情绪的三维学业情绪空间 | 第23-25页 |
| ·情绪认知模型构建框架 | 第25-26页 |
| ·统计学习理论 | 第26-29页 |
| ·机器学习的基本问题 | 第27-28页 |
| ·VC维 | 第28页 |
| ·推广性的界 | 第28-29页 |
| ·结构风险最小化 | 第29页 |
| ·本章小结 | 第29-32页 |
| 第3章 E-learning中面部表情特征值数据分析 | 第32-48页 |
| ·对人脸面积特征值的分析 | 第33-37页 |
| ·对瞳孔间距特征值的分析 | 第37-40页 |
| ·对眼帘间距特征值的分析 | 第40-43页 |
| ·对嘴角弧度特征值的分析 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 E-learning中学习者情绪认知模型的构建 | 第48-66页 |
| ·支持向量机原理及改进方法 | 第49-54页 |
| ·支持向量机基本原理和算法 | 第49-51页 |
| ·粒子群算法基本原理 | 第51-52页 |
| ·用粒子群算法优化支持向量机参数 | 第52-54页 |
| ·建立基于改进SVM的趋避度、专注度、愉悦度模型 | 第54-61页 |
| ·趋避度模型 | 第54-57页 |
| ·专注度模型 | 第57-59页 |
| ·愉悦度模型 | 第59-61页 |
| ·在三维情绪空间中生成综合情绪 | 第61-64页 |
| ·综合情绪计算方法 | 第61-62页 |
| ·对学习者的综合情绪计算公式权数的推导 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 情绪认知模型综合实验 | 第66-74页 |
| ·系统开发环境 | 第66-68页 |
| ·Eclipse介绍 | 第66-67页 |
| ·Struts介绍 | 第67页 |
| ·Hibernate介绍 | 第67-68页 |
| ·实验流程 | 第68-70页 |
| ·情绪认知模型综合实验 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 总结与展望 | 第74-76页 |
| ·论文所做工作 | 第74-75页 |
| ·工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 附录 | 第82-84页 |
| 在学期间研究成果 | 第84页 |
