首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信理论论文--信号处理论文

生理信号情感识别中的特征组合选择研究

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

论文共59页,点击 下载论文
上一篇:肌电信号在情感状态识别中的研究
下一篇:国有石油企业组织氛围、组织公民行为与组织效能的关系研究