| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第16-24页 |
| 1.1 研究背景 | 第16-17页 |
| 1.2 研究意义 | 第17-18页 |
| 1.3 研究目标 | 第18-19页 |
| 1.4 研究方案 | 第19页 |
| 1.5 本文工作 | 第19-24页 |
| 1.5.1 主要工作 | 第19-21页 |
| 1.5.2 组织结构 | 第21-24页 |
| 第2章 基于生理数据的产品设计和用户体验相关工作 | 第24-50页 |
| 2.1 产品设计及用户体验相关理论 | 第25-31页 |
| 2.1.1 Nagamachi的感性工学理论模型 | 第25-26页 |
| 2.1.2 Jordan的产品愉悦理论模型 | 第26-27页 |
| 2.1.3 Norman Donald的情感化产品设计理论模型 | 第27-28页 |
| 2.1.4 Desmet Pieter的以人为中心的设计理论模型 | 第28-30页 |
| 2.1.5 McCarthy和Wright的用户体验框架 | 第30-31页 |
| 2.2 情感测量的相关方法 | 第31-37页 |
| 2.2.1 主观测量方法 | 第31-34页 |
| 2.2.2 客观测量方法 | 第34-37页 |
| 2.3 基于生理信号的情感识别方法 | 第37-38页 |
| 2.4 基于生理信号的产品设计 | 第38-49页 |
| 2.4.1 皮电信号驱动的产品设计 | 第41-43页 |
| 2.4.2 肌电信号驱动的产品设计 | 第43页 |
| 2.4.3 呼吸信号驱动的产品设计 | 第43-44页 |
| 2.4.4 心电信号驱动的产品设计 | 第44-47页 |
| 2.4.5 脑电信号驱动的产品设计 | 第47-48页 |
| 2.4.6 眼动信号驱动的产品设计 | 第48-49页 |
| 2.5 本章小节 | 第49-50页 |
| 第3章 基于生理信号的产品设计及用户体验案例研究 | 第50-66页 |
| 3.1 基于生理信号的产品设计及用户体验模型 | 第50-54页 |
| 3.1.1 基于生理信号的软件产品设计流程 | 第50-52页 |
| 3.1.2 基于生理信号的硬件产品设计流程 | 第52-53页 |
| 3.1.3 基于生理信号的用户体验评价流程 | 第53-54页 |
| 3.2 案例一:基于多通道生理信号的个性化音乐推荐系统 | 第54-58页 |
| 3.2.1 引言 | 第54-56页 |
| 3.2.2 音乐情感识别的相关工作 | 第56-58页 |
| 3.3 案例二:基于瞳孔生理信号的远程MOOC教育应用 | 第58-60页 |
| 3.3.1 引言 | 第58-59页 |
| 3.3.2 瞳孔情感识别的相关工作 | 第59-60页 |
| 3.4 案例三:基于生理信号的茶产品用户体验研究 | 第60-64页 |
| 3.4.1 引言 | 第60-62页 |
| 3.4.2 基于生理信号的用户体验的相关工作 | 第62-64页 |
| 3.5 本章小结 | 第64-66页 |
| 第4章 基于生理信号的情感诱发实验及生理信号测量 | 第66-82页 |
| 4.1 情感诱发方法 | 第66-67页 |
| 4.1.1 情感材料诱发 | 第66-67页 |
| 4.1.2 情感情境诱发 | 第67页 |
| 4.2 生理信号测量方法 | 第67-73页 |
| 4.2.1 生理信号测量系统—多通道生理信号测量仪Biopac MP150 | 第67-72页 |
| 4.2.2 生理信号测量系统—ErgoLAB人机环境同步平台 | 第72页 |
| 4.2.3 生理信号测量系统—眼动测量仪Tobii | 第72-73页 |
| 4.3 案例一:基于多通道生理信号的音乐情感识别实验过程 | 第73-76页 |
| 4.3.1 情感刺激材料 | 第73-74页 |
| 4.3.2 被试选择 | 第74页 |
| 4.3.3 实验环境 | 第74页 |
| 4.3.4 实验准备阶段 | 第74-75页 |
| 4.3.5 生理信号采集过程 | 第75-76页 |
| 4.4 案例二:基于瞳孔生理信号的情感识别的实验过程 | 第76-77页 |
| 4.4.1 情感刺激材料 | 第76-77页 |
| 4.4.2 情感实验过程 | 第77页 |
| 4.5 案例三:基于多通道生理信号的茶产品用户体验实验过程 | 第77-80页 |
| 4.5.1 被试选择 | 第77-78页 |
| 4.5.2 实验材料 | 第78页 |
| 4.5.3 实验步骤 | 第78-80页 |
| 4.6 本章小结 | 第80-82页 |
| 第5章 生理信号情绪特征提取及选择技术 | 第82-98页 |
| 5.1 生理信号情感特征提取 | 第82-86页 |
| 5.1.1 生理信号预处理 | 第82页 |
| 5.1.2 生理信号特征提取 | 第82-85页 |
| 5.1.3 生理信号数据归一化 | 第85-86页 |
| 5.2 生理信号情感特征选择 | 第86-87页 |
| 5.2.1 特征排序 | 第86页 |
| 5.2.2 顺序特征选择顺序 | 第86-87页 |
| 5.3 生理信号情感特征降维 | 第87-88页 |
| 5.3.1 主成分分析PCA | 第87-88页 |
| 5.3.2 线性判别分析LDA | 第88页 |
| 5.4 案例一:音乐情感识别特征提取 | 第88-91页 |
| 5.4.1 音乐特征提取 | 第89-90页 |
| 5.4.2 生理信号特征提取 | 第90-91页 |
| 5.5 案例二:瞳孔直径信号特征提取 | 第91-94页 |
| 5.5.1 瞳孔直径变化信号处理 | 第92-93页 |
| 5.5.2 瞳孔直径特征提取与分析 | 第93-94页 |
| 5.6 案例三:茶产品用户体验数据分析方法 | 第94-96页 |
| 5.7 本章小结 | 第96-98页 |
| 第6章 生理信号情感识别与系统开发 | 第98-114页 |
| 6.1 生理信号情感识别算法 | 第98-100页 |
| 6.1.1 分类问题 | 第98-99页 |
| 6.1.2 回归问题 | 第99-100页 |
| 6.2 案例一:基于生理信号的个性化音乐推荐系统应用 | 第100-105页 |
| 6.2.1 音乐情感识别算法建模 | 第100-101页 |
| 6.2.2 音乐情感识别结果与讨论 | 第101-105页 |
| 6.2.3 个性化音乐推荐系统应用 | 第105页 |
| 6.3 案例二:基于瞳孔情感的MOOC教育应用 | 第105-107页 |
| 6.3.1 瞳孔情感识别算法建模 | 第105-106页 |
| 6.3.2 基于瞳孔情感的MOOC教育应用 | 第106-107页 |
| 6.4 案例三:茶产品用户体验数据结果及分析 | 第107-112页 |
| 6.4.1 用户感官重要性数据分析 | 第107-108页 |
| 6.4.2 用户对产品的情感分析 | 第108-109页 |
| 6.4.3 用户的生理信号数据分析 | 第109-110页 |
| 6.4.4 关于感官重要性的讨论 | 第110-111页 |
| 6.4.5 关于情感体验的讨论 | 第111页 |
| 6.4.6 关于生理信号的讨论 | 第111-112页 |
| 6.5 本章小结 | 第112-114页 |
| 第7章 总结和展望 | 第114-118页 |
| 7.1 本文研究工作 | 第114-115页 |
| 7.2 本文主要贡献与创新点 | 第115-116页 |
| 7.3 研究不足与改进 | 第116-118页 |
| 参考文献 | 第118-132页 |
| 攻读博士学位期间的主要研究成果 | 第132-134页 |
| 作者简历 | 第134-136页 |
| 致谢 | 第136页 |
