| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·情感识别研究现状 | 第9-10页 |
| ·具体工作及内容安排 | 第10-13页 |
| 第二章 生理信号采集和特征提取 | 第13-25页 |
| ·实验方案介绍 | 第13-16页 |
| ·皮肤电反应信号的处理 | 第16-17页 |
| ·心电信号的处理 | 第17-18页 |
| ·呼吸信号的处理 | 第18-19页 |
| ·面部肌电信号的处理 | 第19-20页 |
| ·脉搏信号的处理 | 第20-21页 |
| ·生理信号的特征提取 | 第21-24页 |
| ·离散小波变换 | 第21-22页 |
| ·统计特征的提取 | 第22-23页 |
| ·去除个体差异 | 第23-24页 |
| ·数据归—化 | 第24页 |
| ·去除线性相关性度高的特征 | 第24页 |
| ·小结 | 第24-25页 |
| 第三章 特征组合选择 | 第25-43页 |
| ·特征选择算法的分类 | 第25-26页 |
| ·按照搜索策略方式分类 | 第25页 |
| ·按照特征评价标准分类 | 第25-26页 |
| ·基于智能算法的特征组合选择 | 第26-30页 |
| ·具有模拟退火机制的遗传算法在情感识别中的应用 | 第27-28页 |
| ·最大最小蚁群算法在情感识别中的应用 | 第28-29页 |
| ·粒子群算法在情感识别中的应用 | 第29-30页 |
| ·最大关联、最小冗余算法特征组合选择算法(MRMR) | 第30-34页 |
| ·算法思想 | 第30-31页 |
| ·互信息最小冗余准则 | 第31页 |
| ·互信息最大关联准则 | 第31页 |
| ·算法流程 | 第31-32页 |
| ·实验结果 | 第32-34页 |
| ·支持向量机算法(SVM) | 第34-41页 |
| ·SVM-REF特征选择算法 | 第35-38页 |
| ·▽SVM-REF特征选择算法 | 第38-40页 |
| ·SVM-Weighted特征选择算法 | 第40-41页 |
| ·小结 | 第41-43页 |
| 第四章 实验结果分析 | 第43-51页 |
| ·情感FEAR特征组合结果分析 | 第43-45页 |
| ·情感JOY特征组合结果分析 | 第45-48页 |
| ·其他情感特征组合结果分析 | 第48-49页 |
| ·小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第59页 |