基于生理信号的多任务图融合情感计算研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 情感计算研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 论文结构安排 | 第10-12页 |
| 第2章 相关工作综述 | 第12-22页 |
| 2.1 数据库及其建立要素 | 第12-14页 |
| 2.1.1 情感识别相关数据库 | 第12-13页 |
| 2.1.2 数据库建立要素 | 第13-14页 |
| 2.2 实验中使用到的生理信号 | 第14-16页 |
| 2.3 特征选择算法和分类器 | 第16-19页 |
| 2.3.1 特征选择算法 | 第16-18页 |
| 2.3.2 常用分类器 | 第18-19页 |
| 2.4 用户独立模型和用户依赖模型 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第3章 生理信号采集实验 | 第22-30页 |
| 3.1 生理信号采集实验准备工作 | 第22-24页 |
| 3.1.1 生理信号采集实验环境 | 第22页 |
| 3.1.2 被试者的选择 | 第22-23页 |
| 3.1.3 诱导源的选取 | 第23-24页 |
| 3.1.4 生理信号的选择和生理信号采集仪器 | 第24页 |
| 3.2 实验具体设计和流程 | 第24-25页 |
| 3.3 对于生理信号的预处理和特征提取 | 第25-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于情感关系图模型的稀疏生理信号特征选择 | 第30-40页 |
| 4.1 基于图模型的生理信号特征选择 | 第30-33页 |
| 4.1.1 稀疏生理信号特征选择模型 | 第30-31页 |
| 4.1.2 图模型融合L1方法用于情感特征提取 | 第31-32页 |
| 4.1.3 基于稀疏的情感标签学习 | 第32页 |
| 4.1.4 光滑近邻梯度方法求解图模型 | 第32-33页 |
| 4.2 皮尔森相关系数图模型 | 第33-34页 |
| 4.3 基于图模型的生理信号特征选择算法 | 第34-35页 |
| 4.4 情感标签迁移学习整体框架 | 第35-38页 |
| 4.4.1 迁移学习 | 第36-37页 |
| 4.4.2 迁移学习算法 | 第37-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 实验结果及分析 | 第40-48页 |
| 5.1 数据集 | 第40-41页 |
| 5.2 使用的统计学特征 | 第41-42页 |
| 5.3 特征选择结果 | 第42页 |
| 5.4 分类结果 | 第42-45页 |
| 5.4.1 度量标准 | 第42-44页 |
| 5.4.2 分类结果分析 | 第44-45页 |
| 5.5 验证图模型约束的有效性 | 第45-46页 |
| 5.6 本章小结 | 第46-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 全文总结 | 第48-49页 |
| 6.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和科研情况说明 | 第54-56页 |
| 致谢 | 第56-57页 |
