基本情感生理信号的非线性特征提取研究
中文摘要 | 第1-12页 |
Abstract | 第12-14页 |
第1章 引言 | 第14-28页 |
·情感计算与情感识别 | 第14-19页 |
·情感计算 | 第14-16页 |
·情感识别 | 第16-19页 |
·基于生理信号情感识别的现状 | 第19-24页 |
·非线性数值分析方法在生理信号上的应用 | 第24-25页 |
·论文的主要研究内容、组织结构和主要创新点 | 第25-28页 |
·论文的主要研究内容 | 第25-26页 |
·论文的结构 | 第26-27页 |
·论文的创新点 | 第27-28页 |
第2章 情感生理信号的采集和预处理 | 第28-44页 |
·情感生理信号采集的实验协议 | 第28-34页 |
·被试的筛选 | 第28页 |
·实验诱发的目标情感 | 第28页 |
·情感诱发素材的选择 | 第28-29页 |
·采集多路生理信号 | 第29页 |
·回忆的实验范式 | 第29-31页 |
·情感体验量表 | 第31-33页 |
·实验流程 | 第33-34页 |
·采集皮肤电和心电 | 第34-37页 |
·选择皮肤电和心电信号和的原因 | 第34-35页 |
·皮肤电的采集 | 第35页 |
·心电的采集 | 第35-37页 |
·皮肤电信号和心电信号的预处理 | 第37-39页 |
·皮肤电去噪与归一化 | 第37页 |
·心电去噪和R波检测 | 第37-39页 |
·截取与情感对应的生理信号 | 第39-42页 |
·本章小结 | 第42-44页 |
第3章 替代数据法检验心率和皮肤电的非线性特性 | 第44-58页 |
·替代数据法的基本原理 | 第44-46页 |
·零假设 | 第44-45页 |
·FT算法与AAFT算法 | 第45-46页 |
·统计检验量 | 第46页 |
·检验统计量是否差异显著 | 第46页 |
·采用替代数据法检验已知数据 | 第46-50页 |
·采用替代数据法检验四种情感生理信号 | 第50-56页 |
·本章小结 | 第56-58页 |
第4章 非线性分析方法提取非线性特征 | 第58-92页 |
·相空间重构和C_C方法 | 第58-60页 |
·计算最大LYAPUNOV指数 | 第60-62页 |
·GP算法计算关联维 | 第62-63页 |
·复杂度的计算 | 第63-73页 |
·Lempel-Ziv复杂度 | 第63-64页 |
·加窗Lempel-Ziv复杂度 | 第64-67页 |
·多尺度Lempel-Ziv复杂度 | 第67-69页 |
·二阶Lemple-Ziv复杂度 | 第69-71页 |
·近似熵和二阶近似熵 | 第71-72页 |
·计算四种情绪的复杂度 | 第72-73页 |
·多重去趋势波动分析和多重分形谱 | 第73-81页 |
·经典的多重去趋势波动分析(MF-DFA)算法 | 第73-75页 |
·移动平均算法计算多重分形 | 第75-80页 |
·采用CMA算法计算四种情绪的多重分形特性 | 第80-81页 |
·递归图和递归下降分析 | 第81-85页 |
·递归图 | 第81-82页 |
·递归定量分析 | 第82-84页 |
·采用递归定量分析计算情感生理信号的特征 | 第84-85页 |
·HR的庞加莱图 | 第85-87页 |
·采用PCA进行特征降维 | 第87-90页 |
·本章小结 | 第90-92页 |
第5章 基于非平衡数据分类的情感识别 | 第92-116页 |
·标准支持向量机(C-SVM) | 第92-93页 |
·模糊支持向量机(FSVM) | 第93-96页 |
·非平衡数据集分类的相关问题 | 第96-100页 |
·设计基于非平衡数据集的模糊支持向量机 | 第100-105页 |
·类别补偿模糊因子的设计 | 第100-103页 |
·去噪模糊因子的设计 | 第103-104页 |
·算法步骤 | 第104-105页 |
·基准数据集上的实验 | 第105-109页 |
·采用IBFSVM识别四种情感的生理数据 | 第109-111页 |
·统计特征和非线性特征在分类性能上的比较 | 第111-114页 |
·本章小结 | 第114-116页 |
第6章 小结和展望 | 第116-118页 |
·小结 | 第116-117页 |
·展望 | 第117-118页 |
参考文献 | 第118-134页 |
致谢 | 第134-136页 |
读博期间发表的论文 | 第136-138页 |
读博期间参加的科研项目 | 第138页 |