基于脑电的情绪判断模型研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 国内外情绪与安全事故研究现状综述 | 第9-10页 |
| 1.2.2 国内外脑电情绪判断研究现状综述 | 第10-11页 |
| 1.2.3 国内外关于脑电情绪判断的研发概况 | 第11-12页 |
| 1.2.4 存在的问题与研究出发点 | 第12-13页 |
| 1.3 工作介绍 | 第13页 |
| 1.4 本文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 2 脑电信号的产生及情绪判断模型研究 | 第16-24页 |
| 2.1 大脑的功能与结构 | 第16-17页 |
| 2.2 脑电信号的产生 | 第17-18页 |
| 2.3 脑电信号的特征 | 第18-20页 |
| 2.4 基于脑电相关情绪判断研究 | 第20-22页 |
| 2.4.1 情绪及相关情绪模型 | 第20-21页 |
| 2.4.2 常用情绪诱发模式 | 第21-22页 |
| 2.4.3 情绪判断方法 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 脑电信号的采集及预处理 | 第24-34页 |
| 3.1 基于MindWave的脑电信号采集系统 | 第24-25页 |
| 3.2 脑电信号采集系统结构设计 | 第25页 |
| 3.3 数据使用说明 | 第25-26页 |
| 3.4 实验设计 | 第26-30页 |
| 3.4.0 实验目的 | 第26页 |
| 3.4.1 情绪诱发材料 | 第26-27页 |
| 3.4.2 实验设备 | 第27页 |
| 3.4.3 实验过程 | 第27页 |
| 3.4.4 注意事项 | 第27-28页 |
| 3.4.5 实验结果 | 第28-30页 |
| 3.5 脑电信号预处理 | 第30-32页 |
| 3.6 本章小结 | 第32-34页 |
| 4 脑电信号的特征提取及分类研究 | 第34-47页 |
| 4.1 脑电信号的特征提取算法研究 | 第34-37页 |
| 4.1.1 复杂度特征提取算法 | 第34-35页 |
| 4.1.2 近似熵特征提取算法 | 第35-36页 |
| 4.1.3 小波能量熵特征提取算法 | 第36-37页 |
| 4.2 脑电信号分类算法研究 | 第37-45页 |
| 4.2.1 常见脑电信号分类算法 | 第37-40页 |
| 4.2.2 基于人工神经网络判断算法 | 第40-45页 |
| 4.3 本章小结 | 第45-47页 |
| 5 脑电信号处理结果及分析 | 第47-57页 |
| 5.1 数据处理流程 | 第47页 |
| 5.2 数据处理结果与分析 | 第47-56页 |
| 5.2.1 脑电信号采集效果 | 第47-49页 |
| 5.2.2 特征提取算法效果 | 第49-53页 |
| 5.2.3 分类判断算法效果 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 情绪判断模型的建立及验证 | 第57-63页 |
| 6.1 情绪模型建立流程 | 第57页 |
| 6.2 情绪判断模型建立与验证 | 第57-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 本人攻读学位期间发表学术论文清单 | 第71-72页 |
| 致谢 | 第72页 |
