| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 多模态情感特征提取 | 第17-31页 |
| 2.1 面部情感特征提取 | 第17-21页 |
| 2.1.1 Gabor滤波原理 | 第18-19页 |
| 2.1.2 基于Gabor滤波器的表情纹理特征提取实现 | 第19-21页 |
| 2.2 语音情感特征提取 | 第21-27页 |
| 2.2.1 韵律学特征 | 第21-24页 |
| 2.2.2 基于音质相关特性的情感特征提取 | 第24-25页 |
| 2.2.3 基于谱特性的情感特征提取 | 第25-26页 |
| 2.2.4 语音情感特征提取实现 | 第26-27页 |
| 2.3 姿态情感特征 | 第27-30页 |
| 2.3.1 基于时空兴趣点特性的姿态情感特征提取 | 第27-29页 |
| 2.3.2 姿态特征提取实现 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 特征层融合方法 | 第31-42页 |
| 3.1 基于主成分分析的特征层融合 | 第31-33页 |
| 3.1.1 主成分分析原理 | 第31-32页 |
| 3.1.2 基于主成分分析的特征层融合方法 | 第32-33页 |
| 3.2 基于典型相关分析的特征层融合 | 第33-36页 |
| 3.2.1 典型相关分析原理 | 第33-35页 |
| 3.2.2 基于核典型相关分析的特征层融合方法 | 第35-36页 |
| 3.3 基于核矩阵的特征层融合 | 第36-37页 |
| 3.3.1 核矩阵原理 | 第36-37页 |
| 3.3.2 基于核矩阵融合的特征层融合方法 | 第37页 |
| 3.4 基于遗传算法的特征层融合 | 第37-41页 |
| 3.4.1 遗传算法原理 | 第38-40页 |
| 3.4.2 基于遗传算法的特征层融合方法 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于支持向量机的多模态情感分类识别 | 第42-47页 |
| 4.1 支持向量机原理 | 第43-46页 |
| 4.2 基于SVM的分类识别实现 | 第46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 实验及结果分析 | 第47-57页 |
| 5.1 实验环境 | 第47-48页 |
| 5.1.1 实验平台 | 第47页 |
| 5.1.2 实验数据库 | 第47-48页 |
| 5.2 基于不同特征层融合方法的识别实验结果及其比较 | 第48-55页 |
| 5.2.1 基于PCA的特征层融合实验结果 | 第48-50页 |
| 5.2.2 基于KCCA的特征层融合实验结果 | 第50-52页 |
| 5.2.3 基于KMF的特征层融合实验结果 | 第52-53页 |
| 5.2.4 基于GA的特征层融合实验结果 | 第53-55页 |
| 5.2.5 不同特征层融合方法结果比较及分析 | 第55页 |
| 5.3 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1攻读硕士学位期间申请的专利 | 第62-63页 |
| 附录2攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |