| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第11-12页 |
| 第1章 引言 | 第12-20页 |
| 1.1 研究背景 | 第12-15页 |
| 1.1.1 智能设备的飞速发展 | 第12-13页 |
| 1.1.2 情绪 | 第13-14页 |
| 1.1.3 情绪识别 | 第14-15页 |
| 1.2 研究意义 | 第15页 |
| 1.3 研究现状 | 第15-18页 |
| 1.4 研究目标和主要内容 | 第18-19页 |
| 1.4.1 研究目标 | 第18页 |
| 1.4.2 研究内容 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第2章 背景理论 | 第20-23页 |
| 2.1 社会科学环境下通过触摸感知情绪 | 第20页 |
| 2.2 触摸作为情绪识别方式的人机交互 | 第20-21页 |
| 2.3 智能触屏设备反应情绪触摸的特征行为 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 数据收集和相关性分析 | 第23-36页 |
| 3.1 问卷调查 | 第23-24页 |
| 3.2 应用的选择 | 第24-27页 |
| 3.2.1 触屏设备 | 第24页 |
| 3.2.2 基于Android平台的应用选择 | 第24-26页 |
| 3.2.3 情绪诱导 | 第26-27页 |
| 3.3 数据收集 | 第27-28页 |
| 3.3.1 实验内容 | 第27页 |
| 3.3.2 实验被试 | 第27页 |
| 3.3.3 实验平台 | 第27-28页 |
| 3.4 特征提取 | 第28-29页 |
| 3.5 数据分析 | 第29-35页 |
| 3.5.1 判别分析 | 第31-32页 |
| 3.5.2 结果分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于智能移动终端触屏行为的情绪识别算法 | 第36-45页 |
| 4.1 Relief F特征选择算法 | 第36-38页 |
| 4.2 ANN和SVM分类算法 | 第38-40页 |
| 4.2.1 ANN分类算法 | 第38-39页 |
| 4.2.2 SVM分类算法 | 第39-40页 |
| 4.3 Relief F-ANN算法和ReliefF-SVM算法 | 第40-43页 |
| 4.3.1 Relief F-ANN算法 | 第40-42页 |
| 4.3.2 Relief F-SVM算法 | 第42-43页 |
| 4.4 分类结果与分析 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 性别对情绪识别的影响和多标签分类 | 第45-52页 |
| 5.1 性别对情绪识别的影响 | 第45-48页 |
| 5.2 多标签分类算法 | 第48-49页 |
| 5.2.1 问题转换法 | 第48-49页 |
| 5.2.2 算法适应法 | 第49页 |
| 5.3 分类平台和结果分析 | 第49-51页 |
| 5.3.1 mulan | 第49-50页 |
| 5.3.2 结果分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52-53页 |
| 6.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第61页 |