| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 插图或附表清单 | 第12-13页 |
| 第一章 绪论 | 第13-24页 |
| ·研究背景与意义 | 第13-16页 |
| ·建筑节能与 SEEE 模型简介 | 第13-14页 |
| ·情感识别与建筑舒适度 | 第14-16页 |
| ·国内外研究现状 | 第16-22页 |
| ·建筑节能的研究现状 | 第16-17页 |
| ·舒适度研究现状 | 第17-19页 |
| ·情感识别研究现状 | 第19-22页 |
| ·本文研究内容及意义 | 第22-24页 |
| 第二章 表情识别主要研究方法 | 第24-34页 |
| ·表情识别概述 | 第24-26页 |
| ·表情识别系统框架 | 第26-28页 |
| ·表情特征提取的主要方法 | 第28-31页 |
| ·表情分类的主要方法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 多特征提取与融合方法 | 第34-49页 |
| ·情感诱发实验设计 | 第34-39页 |
| ·实验对象和素材选取 | 第34-35页 |
| ·实验设备和采集方法 | 第35-36页 |
| ·实验流程 | 第36-37页 |
| ·数据有效性分析 | 第37-39页 |
| ·表情图像的特征提取 | 第39-41页 |
| ·图像预处理 | 第39-40页 |
| ·基于 SVD 的特征提取 | 第40-41页 |
| ·ECG 信号和 GSR 信号的特征提取 | 第41-46页 |
| ·ECG 信号和 GSR 信号 | 第41-43页 |
| ·基于小波分解的 ECG 信号和 GSR 信号特征提取 | 第43-46页 |
| ·多模态融合特征的获取方法 | 第46-48页 |
| ·多模态特征融合 | 第46页 |
| ·基于 PCA 的多模态特征融合 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 分类器的设计和实验结果分析 | 第49-58页 |
| ·BP 神经网络算法及其优化 | 第49-53页 |
| ·BP 神经网络分类器 | 第49-50页 |
| ·遗传算法优化 BP 神经网络 | 第50-53页 |
| ·实验结果分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 作者简介及读研期间主要科研成果 | 第63页 |