| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 课题的背景和意义 | 第13-14页 |
| 1.2 情绪的相关理论 | 第14-17页 |
| 1.2.1 情绪的检测方法 | 第14页 |
| 1.2.2 情绪的诱发方式 | 第14-15页 |
| 1.2.3 基本的情绪模型及评估方法 | 第15-17页 |
| 1.3 基于脑电信号的情绪识别研究现状 | 第17-20页 |
| 1.3.1 脑电情绪国外研究现状 | 第17-19页 |
| 1.3.2 脑电情绪国内研究现状 | 第19-20页 |
| 1.4 存在的问题及论文安排 | 第20-21页 |
| 1.4.1 基于脑电信号情绪研究存在的问题 | 第20页 |
| 1.4.2 论文安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 情绪相关脑电信号的采集 | 第22-31页 |
| 2.1 脑电信号生理学基础 | 第22-24页 |
| 2.1.1 大脑结构 | 第22-23页 |
| 2.1.2 脑电产生方式 | 第23页 |
| 2.1.3 脑电频域特性 | 第23-24页 |
| 2.2 情绪相关脑电信号的采集准备 | 第24-28页 |
| 2.2.1 采集的设备 | 第24-25页 |
| 2.2.2 刺激图片的评价方式 | 第25-26页 |
| 2.2.3 刺激图片的选择 | 第26-28页 |
| 2.3 情绪脑电采集实验 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 情绪脑电信号的消噪处理 | 第31-41页 |
| 3.1 情绪脑电的消噪方法简介 | 第31-32页 |
| 3.1.1 小波变换消噪 | 第31页 |
| 3.1.2 多小波变换消噪 | 第31-32页 |
| 3.2 基于SA4多小波的情绪脑电信号消噪方法 | 第32-35页 |
| 3.2.1 SA4多小波消噪过程 | 第32-34页 |
| 3.2.2 多小波分解的层数和阈值门限 | 第34-35页 |
| 3.3 情绪脑电消噪效果对比 | 第35-40页 |
| 3.3.1 仿真对比 | 第35-38页 |
| 3.3.2 SA4多小波与db4小波方法的脑电信号消噪比较 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 情绪脑电信号的特征提取 | 第41-51页 |
| 4.1 情绪脑电特征简介 | 第41-44页 |
| 4.1.1 线性特征 | 第41-42页 |
| 4.1.2 非线性特征 | 第42-44页 |
| 4.2 模糊熵与改进粗粒化算法的多尺度模糊熵 | 第44-47页 |
| 4.2.1 模糊熵算法 | 第44-45页 |
| 4.2.2 多尺度模糊熵算法 | 第45-46页 |
| 4.2.3 改进的粗粒化算法 | 第46-47页 |
| 4.3 基于改进粗粒化算法的多尺度模糊熵的特征提取算法 | 第47-50页 |
| 4.3.1 多尺度模糊熵的参数设置 | 第47页 |
| 4.3.2 特征归一化 | 第47页 |
| 4.3.3 数据特征提取及分析 | 第47-49页 |
| 4.3.4 特征降维 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 情绪脑电信号的模式分类 | 第51-60页 |
| 5.1 情绪脑电模式分类方法简介 | 第51页 |
| 5.2 支持向量机与多核支持向量机 | 第51-55页 |
| 5.2.1 支持向量机 | 第51-53页 |
| 5.2.2 多核支持向量机 | 第53-55页 |
| 5.3 基于交叉验证与改进的网格搜索法的参数优化 | 第55-56页 |
| 5.3.1 交叉验证 | 第55页 |
| 5.3.2 改进的网格搜索法 | 第55-56页 |
| 5.4 情绪脑电信号的分类实验 | 第56-59页 |
| 5.4.1 分类性能比较实验 | 第56-58页 |
| 5.4.2 不同特征向量的改进网格-MKSVM分类实验 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结和展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69-70页 |
| 研究工作涉及的情绪诱发图片库 | 第70-72页 |
