| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·生理信号情感识别的研究现状 | 第11-13页 |
| ·生理信号情感识别的研究意义 | 第13页 |
| ·具体工作及内容安排 | 第13-15页 |
| 第二章 生理信号情感识别 | 第15-28页 |
| ·如何认识生理信号的情感识别 | 第15页 |
| ·用于情感识别的生理信号特点 | 第15-24页 |
| ·心电信号(ECG) | 第17-19页 |
| ·脑电信号(EEG) | 第19-20页 |
| ·肌电信号(EMG) | 第20-21页 |
| ·呼吸信号(RSP) | 第21-24页 |
| ·生理信号情感识别的优势所在 | 第24页 |
| ·情感的定义与分类 | 第24-26页 |
| ·基本情感与离散类型 | 第24-25页 |
| ·情感空间与连续维 | 第25-26页 |
| ·当前国际、国内生理信号情感识别的主要研究方法 | 第26页 |
| ·当前情感识别研究方法存在的不足 | 第26-27页 |
| ·特征选择是组合优化问题 | 第27页 |
| ·尝试将智能优化算法GA引入到情感识别中 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 遗传算法及特征选择 | 第28-40页 |
| ·遗传算法及其相关改进算法思想 | 第28-33页 |
| ·基本遗传算法(SGA) | 第28-29页 |
| ·自适应遗传算法(AGA/IAGA) | 第29-33页 |
| ·其它改进的遗传算法 | 第33页 |
| ·特征选择技术 | 第33-38页 |
| ·特征选择的定义 | 第33页 |
| ·特征选择和学习算法结合的三种思想 | 第33-35页 |
| ·特征选择做为搜索问题的四要素 | 第35-38页 |
| ·特征选择与分类学习算法结合所解决的问题 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于遗传算法和K-近邻法的情感模式特征选择 | 第40-59页 |
| ·遗传算法用于情感特征模式选择的思想 | 第40-41页 |
| ·生理数据分析及情感特征矩阵生成 | 第41-47页 |
| ·原始数据采集说明 | 第41-42页 |
| ·生理信号特征提取 | 第42-43页 |
| ·提取特征的构成方式 | 第43-44页 |
| ·情感样本的存贮方式 | 第44-45页 |
| ·情感特征矩阵的构成 | 第45-46页 |
| ·识别正确率的描述 | 第46-47页 |
| ·基于遗传算法的生理信号的特征选择算法 | 第47-50页 |
| ·染色体编码规则 | 第47页 |
| ·适应度函数的确定 | 第47页 |
| ·遗传算子的设计 | 第47-48页 |
| ·算法的基本流程 | 第48-50页 |
| ·仿真实验及结果分析 | 第50页 |
| ·基于自适应遗传算法的生理信号的特征选择算法 | 第50-55页 |
| ·算法的基本流程 | 第51-52页 |
| ·仿真实验与结果 | 第52-54页 |
| ·结果分析与说明 | 第54-55页 |
| ·与德国Augsburg大学的实验结果对比 | 第55-58页 |
| ·实验结果对比分析 | 第57-58页 |
| ·本文得到的结论 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| ·总结 | 第59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 在学期间所发表的文章 | 第65-66页 |
| 附录:德国Augsburg大学提供的生理信号特征表 | 第66-75页 |