改进的支持向量机用于脉搏信号的情感识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 情感识别研究的意义 | 第9-11页 |
| 1.2 基于生理信号的情感识别研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文的研究内容及创新点 | 第14-17页 |
| 2 脉搏信号的采集及处理 | 第17-25页 |
| 2.1 脉搏信号 | 第18-19页 |
| 2.2 脉搏信号的采集装置 | 第19-21页 |
| 2.3 脉搏信号采集方案 | 第21-24页 |
| 2.3.1 脉搏信号的采集方案 | 第21页 |
| 2.3.2 情感诱发 | 第21-22页 |
| 2.3.3 实验数据采集 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 改进的EMD算法对脉搏信号的预处理及特征提取 | 第25-35页 |
| 3.1 小波变换对脉搏信号的处理 | 第25-26页 |
| 3.1.1 小波变换 | 第25-26页 |
| 3.1.2 小波变换对脉搏信号的去噪处理 | 第26页 |
| 3.2 EMD算法及其改进 | 第26-27页 |
| 3.2.1 经验模态分解算法 | 第26-27页 |
| 3.2.2 EMD分解存在的问题及改进 | 第27页 |
| 3.3 改进的EMD算法对脉搏信号的预处理 | 第27-30页 |
| 3.4 脉搏信号的特征提取 | 第30-33页 |
| 3.4.1 统计特征值 | 第30-31页 |
| 3.4.2 脉图面积特征量K值 | 第31-32页 |
| 3.4.3 模态能量熵特征 | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 4 SVM算法及其改进 | 第35-49页 |
| 4.1 SVM算法 | 第35-37页 |
| 4.2 SVM存在的问题及改进思路 | 第37-40页 |
| 4.3 PSO算法和FA算法 | 第40-47页 |
| 4.3.1 PSO算法 | 第40-42页 |
| 4.3.2 FA算法 | 第42-46页 |
| 4.3.3 算法比较 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 5 改进的SVM算法对情感的分类识别 | 第49-55页 |
| 5.1 SVM扩展 | 第49-50页 |
| 5.2 FA算法优化SVM参数 | 第50-51页 |
| 5.3 情感分类结果分析 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 结论及展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 未来工作的展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第63页 |
