首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

皮肤电反应信号在情感状态识别中的研究

摘要第1-7页
Abstract第7-9页
第一章 绪论第9-16页
   ·引言第9-10页
   ·研究意义第10-11页
   ·研究现状与研究存在的问题第11-13页
     ·研究现状第11-12页
     ·研究中存在的问题第12-13页
   ·论文的创新之处第13页
   ·论文的具体工作及内容安排第13-16页
第二章 GSR信号的采集及特征提取第16-28页
   ·皮肤电反应(GSR)信号的介绍第16-17页
   ·实验方法第17-22页
     ·GSR数据采集第17-20页
     ·数据有效性分析第20-22页
   ·GSR的预处理第22页
     ·数据的归一化第22页
     ·去除噪声干扰第22页
   ·GSR有效特征提取第22-27页
     ·时域特征第23-24页
     ·频域特征第24-25页
     ·特征提取第25-27页
   ·小结第27-28页
第三章 特征选择第28-42页
   ·特征选择作为组合优化问题第28-29页
   ·特征选择的方法第29页
   ·禁忌搜索算法第29-35页
     ·算法的基本思想第29-30页
     ·算法的优点:第30-31页
     ·算法的关键技术第31-35页
     ·禁忌搜索算法的应用第35页
   ·改进的TS算法解决GSR情感识别的特征选择问题第35-41页
     ·封装式特征子集搜索思想第35-36页
     ·论文中用于情感特征选择的禁忌搜索改进算法第36-40页
     ·算法实现过程第40-41页
   ·小结第41-42页
第四章 分类器的设计第42-47页
   ·分类器设计概述第42-43页
     ·分类步骤第42页
     ·分类方法第42-43页
     ·分类器的选择第43页
     ·训练与学习第43页
   ·基于皮肤电反应信号的情感识别分类器(Fisher)第43-46页
     ·采用Fisher分类器的原因第43-44页
     ·Fisher分类器第44-46页
     ·Fisher分类器在研究中的应用第46页
   ·小结第46-47页
第五章 GSR情感识别结果及分析第47-63页
   ·改进的TS算法仿真结果第48-49页
   ·"一对一"情感识别第49-59页
     ·识别结果分析第49-50页
     ·验证识别率效果分析第50-51页
     ·情感特征分析第51-59页
   ·"一对多"情感识别第59-62页
     ·识别结果分析第59-60页
     ·验证识别率效果分析第60页
     ·情感特征分析第60-62页
   ·小结第62-63页
第六章 总结与展望第63-65页
   ·总结第63页
   ·展望第63-65页
参考文献第65-68页
致谢第68-69页
攻读硕士期间研究成果及发表的学术论文第69页

论文共69页,点击 下载论文
上一篇:蚁群优化算法用于生理信号情感状态识别中的研究
下一篇:基于心电信号的情感识别研究