| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状及存在问题 | 第12-13页 |
| 1.3 研究意义 | 第13页 |
| 1.4 论文结构 | 第13-14页 |
| 1.5 本文创新点 | 第14-16页 |
| 第二章 皮肤电信号的采集和处理 | 第16-22页 |
| 2.1 皮肤电信号的特点 | 第16-17页 |
| 2.2 皮肤电信号的采集方案 | 第17-19页 |
| 2.2.1 实验对象 | 第17页 |
| 2.2.2 实验素材选取及素材库的建立 | 第17-18页 |
| 2.2.3 实验步骤 | 第18-19页 |
| 2.3 皮肤电信号的预处理 | 第19-21页 |
| 2.3.1 小波滤波 | 第19-20页 |
| 2.3.2 皮肤电的归一化处理 | 第20页 |
| 2.3.3 皮肤电有效信号的截取 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于VOLTERRA级数的生理信号时间序列预测模型 | 第22-32页 |
| 3.1 替代数据法确定GSR的非线性特性 | 第22-23页 |
| 3.2 非线性预测简介 | 第23页 |
| 3.3 非线性预测在生理信号中的意义 | 第23-24页 |
| 3.4 相空间重构 | 第24-25页 |
| 3.5 VOLTERRA级数预测模型 | 第25-27页 |
| 3.6 改进后的VOLTERRA级数预测 | 第27-31页 |
| 3.7 本章小结 | 第31-32页 |
| 第四章 非线性特征的提取与情感识别 | 第32-48页 |
| 4.1 熵在GSR中的特征提取 | 第32-35页 |
| 4.1.1 信息熵 | 第32-33页 |
| 4.1.2 Kolmogorov熵 | 第33页 |
| 4.1.3 近似熵 | 第33-34页 |
| 4.1.4 样本熵 | 第34-35页 |
| 4.1.5 联合熵 | 第35页 |
| 4.2 维数在GSR中的特征提取 | 第35-38页 |
| 4.2.1 Hausdorff维数 | 第36页 |
| 4.2.2 盒维数 | 第36-37页 |
| 4.2.3 关联维 | 第37-38页 |
| 4.3 最大LYAPUNOV指数 | 第38页 |
| 4.4 基于蚁群优化算法的特征选择 | 第38-43页 |
| 4.5 分类器设计 | 第43-47页 |
| 4.5.1 Fisher分类器 | 第43-44页 |
| 4.5.2 支持向量机(SVM) | 第44-45页 |
| 4.5.3 随机森林 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 实验结果与分析 | 第48-58页 |
| 5.1 皮肤电预测价值分析 | 第48-49页 |
| 5.2 非线性特征识别结果分析 | 第49-50页 |
| 5.3 蚁群算法的特征选择中线性、非线性特征分析 | 第50-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第68-70页 |
| 攻读硕士期间参与的研究项目 | 第70页 |